- …
#2
summarized by : Anonymous
どんな論文か？
ファッションの相性学習に用いられる既存の評価指標はモデルの推薦性能・検索性能に着目されており(例えば，FITBやAUC)，モデルの美的能力を反映するという点には着目していない．そこでファッション適合性モデルの美的評価を行うA100を提案した．本書では公平な評価指標を設計し，自前で用意したデータセットと提案手法で既存モデルの評価実験を経て，提案手法の定性的・定量的な評価を行った．
新規性
提案手法は設計段階で専門家と協力し，専門的知識に基づいた品質評価が可能である．又，提案手法は評価の段階でLATとAATという2つのテストを利用している．これらを組み合わせることで，提案手法は全体的な性能と部分的な性能の評価を同時に行うことが可能となった．又，既存の実験・データセットの問題点を指摘し，それを解消するデータセットを作成した．
結果
本書では既存のモデルを提案手法で評価している．例えばCSNは色の相性という点で高精度を示しており，そのため総合的にも他のモデルより高性能である，Bi-LSTMはバランスのスコアが低くファッションアイテムの形状を考慮することが苦手である，といった具合に全体の評価と細かい点での評価を同時に実現している．ただし，重ね着等を考慮すると組み合わせが莫大となるため今回は省略している．
その他（なぜ通ったか？等）
本論文が評価されたのは評価指標・データセットの緻密な設計であると感じました．特にデータセットは既存データセットの問題点を指摘し，それを解決するためのプロセスが詳細に述べられていました．実験で使用したデータセットは次のgithubで提供されています．<https://github.com/AemikaChow/AiDLab-fAshIon-Data>
- …