似合うラボでわかった 「似合う」を引き出す 4 大要素 Al でコーデ情報を「言語化された特徴」へ構造化し 説明可能なルールベースで判定 好みのジャンル ~ 与えたい印象 WEAR に ► ファッションに 投稿された情報 関する特徴 12 種類のジャンルを組み合わせた 「クール」や「キュート」といった { ^ ファッションの傾向 コーデ全体から受ける印象のイメージ ・モード： 45% ／ラフ： 35% /シンプル： 20% ・色—上半身： white • ・色—下半身： black • • • • Aラインシルエット： no • • I ラインシルエット：yes ·Yラインシルエット：yes ・スリット： no 味付け ••• 体型の悩み 一 ヽ／ ・レイヤート':yes ・ロングネックレス：yes ・マフラー： no レイヤードや色／柄、ヽJヽ物の数など 体型の悩みをカバーする ) . コーデの複雑性を 5 段階で表現 スタイリング T ips . . ML エンジニア ル ス ► ― ― ル ベ ••••• リサーチャー 4 大要素 ド ゜ シ フ ラ レ な , ン ち が ャ し ジ ス の ク み ッ ド ラ ＿ 好 リ モ 印戴 ·冒■ ― 峰付け 体型の悩み 一 一 一 〇リサーチャーに評価用データセットを作成してもらう オーバーサうなか判断して 4 大要素に必要な「オーバーサイズ」を 言語化してプロンプトに落とし込む 4 大要素の 開発サイクル 評価用 データセット 網羅性のある データ群 ► ► 推論 推論 • p『ec i s i on ► •Recall • 〇一定数の推論緒果に対して定性評価 ► OKING の定性評価 (accu 『acy)