Científicos del IRI crean un modelo matemático que aprende y aconseja sobre moda
Los creadores son los investigadores del IRI (CSIC-UPC) Edgar Simo-Serra y Francesc Moreno-Noguer, y las investigadoras de la Universidad de Toronto, Sanja Fidler y Raquel Urtasun.
El algoritmo se ha dado a conocer durante la presentación del trabajo “Neuroaesthetics in Fashion: Modeling the Perception of Fashionability" en el congreso de visión por computador CVPR 2015, el más importante del mundo en este ámbito y que se ha celebrado el junio en Boston (EEUU).
El objetivo que se perseguía con este trabajo era el de construir modelos matemáticos que puedan entender el concepto de "moda". Es decir, comprender qué hace que una determinada forma de vestir esté "a la moda" o no, y en base a eso, poder hacer recomendaciones sobre cómo vestirse.
Para ello, se hizo uso de una base de datos existente en Internet, que cuenta con más de 144.000 imágenes compartidas por usuarios con diferentes estilos, y comentarios asociados acerca de cada indumentaria.
El nuevo algoritmo es capaz de aprender las tendencias de moda, a través de visión por computador y reconocimiento de patrones, y contrastando esa información con los “like” recibidos por los usuarios.
Para su creación, los científicos han combinado una red neuronal con un modelo de predicción probabilístico de tipo Conditional Random Field, que tiene en cuenta diversos factores como el tipo de prenda, la clase de usuario o el entorno de la imagen.
El sistema no es sólo capaz de aprender y predecir cómo de "a la moda" va un usuario, sino también de darle consejos para que pueda mejorar su estilo.
El primer autor del trabajo, Edgar Simo-Serra, es investigador del CSIC y estudiante de doctorado del IRI (CSIC-UPC). Su director de tesis, Francesc Moreno-Noguer, también del CSIC, es experto en visión por computador del IRI (CSIC-UPC).
+ información:
Consulta el trabajo: ‘Neuroaesthetics in Fashion: Modeling the Perception of Fashionability’
Página de Edgar Simo-Serra sobre esta investigación del IRI (CSIC-UPC)