[논문]인공지능 학습용 패션 데이터셋 최근 동향 조사

구영현; 유성준

인공지능 학습용 패션 데이터셋 최근 동향 조사
A Survey of Fashion Datasets for AI Training 원문보기

구영현 (세종대학교) , 유성준 (세종대학교)

패션산업은 매년 1 조원씩 성장(연평균 2.1%)하며 많은 연구자들의 관심을 받고 있다. 전통적인 패션산업은 점차 디지털화되어 선진적인 컴퓨터 비전 기술을 적용해 소비자들에게 더 좋은 쇼핑 서비스를 제공하고 있다. 본 논문에서는 2014 년부터 2019 년 사이에 구축된 대표적인 패션 데이터셋을 연도별로 정리하고 각 데이터셋에 포함된 주석(annotation)의 특징을 정리했다. 또한 데이터셋이 패션 상품 검출(Fashion detection), 패션 이미지 생성(Fashion image generation), 가상 피팅(Virtual try-on) 그리고 패션 의류 분할(Fashion Clothing segmentation) 등 연구에서의 활용될 수 있는 여부에 대해 분석했다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

UT Zapos50K 데이터셋의 구축 목적은 신발 상품들의 상대 비교(pairwise comparison)를 진행하기 위해 구축되었다. 상대 비교란 여러 후보에 대한 주관적 평가를 통해 신제품 개발이나 서비스 개선을 위한 방법으로 널리 사용되고 있다.
패션 분야의 연구는 주로 컴퓨터 비전 또는 자연어 처리 기술을 통해 진행한 다. 그 중 본 논문에서는 컴퓨터비전 기술에 사용되는 패션 데이 터셋에 대해 조사하고 정리했다.
본 논문에서는 최근 2014 년부터 2019 년까지 구축된 패션 데이터셋의 역사와 각 데이터셋에 포함된 주석 종류와 특징을 조사했다. 조사한 내용을 기반으로 봤을 때 패션 데이터셋은 크게 두 가지 유형으로 나눌 수 있다.

제안 방법

DeepFashion 데이터셋을 기반으로 속성 예측(Attribute Prediction), 소비자-쇼핑 의류 검색 (Consumer-to-shop Clothes Retrieval), 매장 의류 검색 (In-shop Clothes Retrieval) 그리고 랜드마크 탐지 (Landmark Detection) 등 4 개의 벤치마크 (benchmark)를 제시한다.
본 논문에서는 2014 년부터 2019 년 사이에 패션 분석 연구에 사용된 이미지 데이터셋을 조사해 아래와 같은 방법으로 요약하였다.
본 장에서는 패션 데이터셋의 주석과 기능(적용 분야) 별로 비교를 진행한다. 패션 데이터셋 간의 차이를 직관적으로 보기 위해 각 데이터셋의 이미지 개수, 해상도 그리고 주석 정보를 정리해 표기했다(표 1).
본 장에서는 패션 데이터셋의 주석과 기능(적용 분야) 별로 비교를 진행한다. 패션 데이터셋 간의 차이를 직관적으로 보기 위해 각 데이터셋의 이미지 개수, 해상도 그리고 주석 정보를 정리해 표기했다(표 1). 표 1 에서 볼 수 있는 바와 같이 이미지 개수가 가장 많은 데이터셋은 DeepFashion 이고 해상도가 가장 높은 데이터셋은 Fashion-Gen 이다.

대상 데이터

DARN 데이터셋은 450,000 장의 온라인 쇼핑 이미지와 90,000 장 오프라인 이미지, 총 540,000 장의 800x500 해상도를 가진 이미지로 구성되었다. 이 데이터셋은 20 가지의 의류 카테고 리와 179 개의 의류 속성을 포함하고 있으며 모든 이미지는 실제 온라인 쇼핑 웹사이트에서 수집했다.
해당 이미지 를 256x192 의 해상도로 resize 한 후 노이즈가 있거나 파싱 결과가 없는 것을 제거하여 최종적으로 16,253 쌍의 데이터를 구축했다. 그 중에 14,221 개를 훈련셋으로 사용하고 남은 2,032 개를 테스트셋으로 사용한다. 현재 가장 우수한 가상피팅 데이터셋으로 패션 연구에서 많이 사용한다.
VITON[8] 데이터셋은 가상피팅을 위해 구축된 데이터셋이다. 여성 모델이 상품을 착용한 이미지와 해당 상품의 정면 이미지를 쌍으로 수집했고 그 양은 약 19,000 장이다(그림 2). 해당 이미지 를 256x192 의 해상도로 resize 한 후 노이즈가 있거나 파싱 결과가 없는 것을 제거하여 최종적으로 16,253 쌍의 데이터를 구축했다.
ModaNet[10]은 Paperdoll[11] 데이터셋을 기반으로 구축된 대규모 데이터셋이다. 이 데이터셋에는 픽셀 레벨의 분할, 경계 박스, 폴리곤(Polygon) 그리고 13 개의 카테고리를 포함한 55,176 개의 완전한 주석(fully-annotated)을 포함한 이미지로 구성되어 있다.
DARN 데이터셋은 450,000 장의 온라인 쇼핑 이미지와 90,000 장 오프라인 이미지, 총 540,000 장의 800x500 해상도를 가진 이미지로 구성되었다. 이 데이터셋은 20 가지의 의류 카테고 리와 179 개의 의류 속성을 포함하고 있으며 모든 이미지는 실제 온라인 쇼핑 웹사이트에서 수집했다.
이러한 문제를 해결하기 위해 보완된 데이터셋이 바로 DeepFashion2[12]이다. 이 데이터셋은 의류 탐지, 포즈 추정, 의류 분할 그리고 아이템 검색 등 4 가지 종류의 다용도 벤치마크로 구성된다. DeepFashion2 는 491,000 개의 다양한 이미지를 갖고 있으며 이미지의 각 항목에는 카테고리, 스타일, 경계 박스, 픽셀 당 mask 등 13 개 종류의 주석이 있다.
이 데이터셋은 총 3 개의 카테고리 (dresses, tops&tees, shirts)를 포함한 77,684 장의 이미지로 구성되어 있고 그 중 49,464 장 이미지에 사이드 정보(side information)가 포함 되며 60,272 개의 상대 캡션들이 있다.
FashionAI[13] 데이터셋은 이러한 문제점을 해결하기 위해 고안 되었다. 이 데이터셋은 총 357,000 개의 고품질 이미지로 구성되어 있고 24 개의 핵심 포인트, 6 가지 카테고리에서 적용되는 245 개 여성 의류 라벨, 그리고 68 개 속성이 포함되어 있다.
여성 모델이 상품을 착용한 이미지와 해당 상품의 정면 이미지를 쌍으로 수집했고 그 양은 약 19,000 장이다(그림 2). 해당 이미지 를 256x192 의 해상도로 resize 한 후 노이즈가 있거나 파싱 결과가 없는 것을 제거하여 최종적으로 16,253 쌍의 데이터를 구축했다. 그 중에 14,221 개를 훈련셋으로 사용하고 남은 2,032 개를 테스트셋으로 사용한다.

후속연구

패션 데이터셋의 발전 추세를 볼 때 향후 패션산업의 수요를 해결하기 위해 데이터셋의 종류는 더욱 다양해질 것이다. 또한 데이터셋의 주석 종류가 많아지게 되고 주석의 비율이 높아지게 되며 품질도 더욱 향상될 것으로 전망한다.

핵심어

질문

논문에서 추출한 답변

패션이란 어떤 요소인가?

패션은 자신을 표현하는 수단이며 개인의 특정한 감각, 실루엣, 스타일, 디자인을 가진 의복의 조합으로 현대 사회에서 필수 적인 요소이다. 또한 2020 년인 올해 세계 패션시장은 약 356 조 1 천억 원(약 3,000 억 달러)으로 예상되며 2025 년에는 올해 대비 20% 증가한 약 427 조원 시장의 규모로 확대될 것으로 보인다.

세계 세계 패션시장의 크기는 어떠한가?

패션은 자신을 표현하는 수단이며 개인의 특정한 감각, 실루엣, 스타일, 디자인을 가진 의복의 조합으로 현대 사회에서 필수 적인 요소이다. 또한 2020 년인 올해 세계 패션시장은 약 356 조 1 천억 원(약 3,000 억 달러)으로 예상되며 2025 년에는 올해 대비 20% 증가한 약 427 조원 시장의 규모로 확대될 것으로 보인다. [1]

인공지능을 활용한 패션 분야의 연구는 주로 어떤 기술을 통해 진행되고 있나요?

패션 산업에서도 전자상거래, 개성화 디자인, 패션 추천 등의 인공지능기술을 활용한 연구를 통 해 소비자에게 더욱 편리한 서비스를 제공하고 있다. 패션 분야의 연구는 주로 컴퓨터 비전 또는 자연어 처리 기술을 통해 진행한 다. 그 중 본 논문에서는 컴퓨터비전 기술에 사용되는 패션 데이 터셋에 대해 조사하고 정리했다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

인공지능 학습용 패션 데이터셋 최근 동향 조사
A Survey of Fashion Datasets for AI Training 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

UT Zapos50K 데이터셋의 구축 목적은 신발 상품들의 상대 비교(pairwise comparison)를 진행하기 위해 구축되었다. 상대 비교란 여러 후보에 대한 주관적 평가를 통해 신제품 개발이나 서비스 개선을 위한 방법으로 널리 사용되고 있다.

본 논문에서는 최근 2014 년부터 2019 년까지 구축된 패션 데이터셋의 역사와 각 데이터셋에 포함된 주석 종류와 특징을 조사했다. 조사한 내용을 기반으로 봤을 때 패션 데이터셋은 크게 두 가지 유형으로 나눌 수 있다.

제안 방법

본 논문에서는 2014 년부터 2019 년 사이에 패션 분석 연구에 사용된 이미지 데이터셋을 조사해 아래와 같은 방법으로 요약하였다.

본 장에서는 패션 데이터셋의 주석과 기능(적용 분야) 별로 비교를 진행한다. 패션 데이터셋 간의 차이를 직관적으로 보기 위해 각 데이터셋의 이미지 개수, 해상도 그리고 주석 정보를 정리해 표기했다(표 1).

대상 데이터

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

인공지능 학습용 패션 데이터셋 최근 동향 조사 A Survey of Fashion Datasets for AI Training 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

UT Zapos50K 데이터셋의 구축 목적은 신발 상품들의 상대 비교(pairwise comparison)를 진행하기 위해 구축되었다. 상대 비교란 여러 후보에 대한 주관적 평가를 통해 신제품 개발이나 서비스 개선을 위한 방법으로 널리 사용되고 있다.

본 논문에서는 최근 2014 년부터 2019 년까지 구축된 패션 데이터셋의 역사와 각 데이터셋에 포함된 주석 종류와 특징을 조사했다. 조사한 내용을 기반으로 봤을 때 패션 데이터셋은 크게 두 가지 유형으로 나눌 수 있다.

제안 방법

본 논문에서는 2014 년부터 2019 년 사이에 패션 분석 연구에 사용된 이미지 데이터셋을 조사해 아래와 같은 방법으로 요약하였다.

본 장에서는 패션 데이터셋의 주석과 기능(적용 분야) 별로 비교를 진행한다. 패션 데이터셋 간의 차이를 직관적으로 보기 위해 각 데이터셋의 이미지 개수, 해상도 그리고 주석 정보를 정리해 표기했다(표 1).

대상 데이터

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

인공지능 학습용 패션 데이터셋 최근 동향 조사
A Survey of Fashion Datasets for AI Training 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper