要旨: ファッションAIシステムは、特定のハウス、編集者、そして歴史的な出来事の審美的な論理を、開示することなく日常的に符号化しています。私たちは、1991-2024年にまたがる15のファッションハウスのVogueランウェイ画像87,547枚にもとづいて訓練されたマルチモーダル・システムFASH-iCNNを提示します。これにより、この文化的な論理を検査可能にします。衣服の写真が与えられると、システムはそれを制作したハウス、属する時代、そして反映している色の伝統を復元します。衣服のみのモデルは、14のハウスにまたがってトップ1で78.2%でハウスを特定し、14のハウスにまたがってトップ1で88.6%で10年（デケード）を特定し、34年間にまたがってトップ1で58.3%で特定の年を特定します。平均誤差はわずか2.2年です。この信号を運ぶ視覚チャネルが何かを調べると、鋭い乖離が明らかになります。色を取り除くとハウス同一性の精度が10.6ppしか低下しないのに対し、テクスチャを取り除くと37.6pp低下します。これにより、テクスチャと輝度（luminance）が編集上の同一性の主要な担い手であることが示されます。FASH-iCNNは、編集文化を背景のノイズではなく信号として扱い、各出力を形作ったどのハウス、どの時代、どの色の伝統が符号化されているかを特定します。これにより、ユーザーはシステムが予測する「何であるか」だけでなく、その予測の中にどのハウス、どの編集者、どの歴史的な出来事が符号化されているかを見られるようになります。
FASH-iCNN：マルチモーダルCNNプロービングで編集ファッションのアイデンティティを検査可能にする
arXiv cs.CV / 2026/4/30
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、編集ファッションのアイデンティティ（ハウス、時代、カラートラディション）を「隠れたまま」にせず検査可能にするマルチモーダルCNNシステムFASH-iCNNを提案している。
- FASH-iCNNは、1991〜2024年の15のファッションハウスにわたる87,547枚のVogueランウェイ画像で学習され、衣服写真から制作元のハウス、属する年代、さらに年まで推定できるという。
- 性能はハウス認識で78.2% top-1（14ハウス中）、年代認識で88.6% top-1と高く、年推定は34年に対して58.3% top-1を達成しつつ平均誤差2.2年である。
- 画像チャネルの除去（プロービング／アブレーション）では、編集アイデンティティの主な情報源は質感と輝度であり、色を除いた場合の影響は、質感を除いた場合より小さいことが示されている。
- 本研究は、編集文化を「背景ノイズ」ではなく回収すべき明示的な信号として捉え、ユーザーがモデル予測にどのハウスやエディター、歴史的時点が符号化されているかを可視化できることを目指している。
