中文

教导深度神经网络设计快时尚

计算机视觉与模式识别 2019-07-04 v2 机器学习

摘要

“快时尚”引领了时尚领域最大的变革,其实现了韧性供应链的工程化,以快速响应不断变化的时尚趋势。商业制造中的传统设计流程通常经由全球各地的“趋势”或主流着装方式提供输入,这些趋势表明在给定时间框架内对新表达形式、循环图案与流行表达方式的突然兴趣。在本工作中,我们提出一个全自动化系统,通过基于社交媒体信息流生成的时间序列信号设计代表性服装原型,来探索、检测并最终将时尚趋势综合为设计元素。我们的系统被设想为快时尚设计的第一步,其中服装从设计构想到制造的生产周期旨在快速并对当前“趋势”作出响应。它还通过在设计生成时纳入顾客对可售性的反馈来减少时尚生产中的浪费。我们还提供了一个界面,设计师可在其中玩转多种流行时尚风格,并将设计可视化为这些风格元素的内插。我们旨在通过为设计师生成有趣且具启发性的组合供其斟酌,并经由其核心顾客进行推送,来辅助创作过程。

关键词

引用

@article{arxiv.1906.12159,
  title  = {Teaching DNNs to design fast fashion},
  author = {Abhinav Ravi and Arun Patro and Vikram Garg and Anoop Kolar Rajagopal and Aruna Rajan and Rajdeep Hazra Banerjee},
  journal= {arXiv preprint arXiv:1906.12159},
  year   = {2019}
}

备注

8 pages, 9 figures, KDD conference