DeepFashion: 풍부한 애너테이션을 통한 강건한 의류 인식 및 검색 지원

최근 의류 인식 기술의 발전은 의류 데이터셋 구축에 의해 주도되어 왔다. 기존의 데이터셋은 레이블 정보의 양이 제한적이며, 실세계 응용에서 발생하는 다양한 도전 과제에 대응하기 어려운 점이 있다. 본 연구에서는 풍부한 annotation을 갖춘 대규모 의류 데이터셋인 DeepFashion을 제안한다. 이 데이터셋은 80만 장 이상의 이미지를 포함하며, 상점, 거리 촬영, 소비자 촬영 등 다양한 환경에서 촬영된 이미지에 대해 방대한 속성 정보와 의류 랜드마크, 그리고 이미지 간의 대응 관계를 포함하여 풍부하게 레이블링되어 있다. 이러한 풍부한 annotation은 의류 인식 분야에서 강력한 알고리즘 개발을 가능하게 하며, 향후 연구를 촉진하는 기반이 된다. DeepFashion의 우수성을 입증하기 위해, 의류 속성과 랜드마크를 동시에 예측함으로써 의류 특징을 학습하는 새로운 딥 모델인 FashionNet을 제안한다. 추정된 랜드마크는 학습된 특징을 풀링하거나 게이팅하는 데 활용되며, 반복적인 방식으로 최적화된다. 광범위한 실험을 통해 FashionNet의 효과성과 DeepFashion의 유용성이 입증되었다.