JP7021316B1 - 情報処理プログラム、情報処理方法および情報処理装置 - Google Patents
情報処理プログラム、情報処理方法および情報処理装置 Download PDFInfo
- Publication number
- JP7021316B1 JP7021316B1 JP2020157910A JP2020157910A JP7021316B1 JP 7021316 B1 JP7021316 B1 JP 7021316B1 JP 2020157910 A JP2020157910 A JP 2020157910A JP 2020157910 A JP2020157910 A JP 2020157910A JP 7021316 B1 JP7021316 B1 JP 7021316B1
- Authority
- JP
- Japan
- Prior art keywords
- appearance
- compatibility
- category
- user
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 52
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 43
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 71
- 239000011521 glass Substances 0.000 claims description 45
- 238000010801 machine learning Methods 0.000 claims description 43
- 230000001815 facial effect Effects 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 35
- 239000002537 cosmetic Substances 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 13
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010191 image analysis Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
まず、実施形態に係る情報処理の一例について図1を参照して説明する。図1は、実施形態に係る情報処理の一例を示す説明図である。
=(三角顔の確信度×三角顔の外観カテゴリjの相性スコア+面長顔の確信度×面長顔の外観カテゴリjの相性スコア+丸顔の確信度×丸顔の外観カテゴリjの相性スコア+四角顔の確信度×四角顔の外観カテゴリjの相性スコア)×30+70・・・(2)
図2は、情報処理システム1の構成例を示す図である。図2に示すように、実施形態に係る情報処理システム1は、端末装置10A~10Nと、ショッピングモールサーバ50とを備える。
図3は、端末装置10の構成例を示す図である。図3に示すように、端末装置10は、通信部11と、表示部12と、入力部13と、撮像部14と、記憶部15と、制御部16とを備える。
通信部11は、ネットワークNWと有線または無線で接続され、他の端末装置10やショッピングモールサーバ50などとの間で情報の送受信を行う。例えば、通信部11は、NIC(Network Interface Card)等によって実現される。
表示部12は、上記したトップページ310やバーチャル試着ページ320など各種の情報等を表示する表示デバイスである。例えば、表示部12は、LCD(Liquid Crystal Display)や有機EL(Electro Luminescence)ディスプレイである。また、表示部12は、タッチパネル式のディスプレイであるが、これに限定されるものではない。
入力部13は、ユーザUから各種操作を受け付ける入力デバイスである。入力部13は、例えば、文字や数字などを入力するためのボタン等を有する。また、表示部12がタッチパネル式のディスプレイである場合、表示部12の一部が入力部13として機能する。
撮像部14は、静止画、あるいは動画像を撮像する処理部である。例えば、撮像部14は、CCD(Charge Coupled Device)やCMOS(Complementary Metal Oxide Semiconductor)などの撮像素子を搭載するカメラにより実現できる。このようなカメラの例として、インカメラやアウトカメラが挙げられる。
記憶部15は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。かかる記憶部15には、各種プログラムやブログラムが使用するデータなどが記憶される。
制御部16は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)、ROM(Read Only Memory)、RAM、入出力ポートなどを有するマイクロコンピュータや各種の回路を含む。また、制御部16は、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路等のハードウェアで構成されてもよい。制御部16は、取得部16Aと、抽出部16Bと、算出部16Cと、提供部15Dとを備える。
取得部16Aは、動画像を取得する。1つの側面として、取得部16Aは、図1に例示されるトップページ310上でバーチャル試着のリクエストを受け付けた場合、動画像の取得を開始できる。例えば、バーチャル試着のリクエストが受け付けられることによりトップページ310から遷移されたバーチャル試着ページ320でカメラアイコン321に対する操作を受け付けた場合、取得部16Aは、撮像部14へ動画像のキャプチャ開始を指示する。これにより、動画像のキャプチャが開始される。このように取得部16Aにより取得される動画像は、バーチャル試着ページ320のカメラ映像の表示エリア322に表示される。
抽出部16Bは、取得部16Aにより取得された動画像から利用者の外観の特徴を抽出する。あくまで一例として、抽出部16Bは、図1で例示した通り、ユーザUの外観の特徴として、ユーザUの顔の輪郭を抽出する。例えば、顔の輪郭は、任意の画像解析技術を取得部16Aにより取得される動画像に適用されることにより抽出することができる。このような画像解析技術を実現する画像解析エンジンの一例として、フェイストラッキングが挙げられる。フェイストラキングが動画像に適用されることにより、当該動画像に含まれる静止画のフレームごとに顔の輪郭の他、顔の向きや傾き、大きさ、さらには顔の造作、例えば目や鼻、口、眉といった顔パーツの位置や大きさなどが得られる。
算出部16Cは、抽出部16Bにより抽出された利用者の外観の特徴と、上記のショッピングモールサービスで取引対象とされるEC商品との相性度を算出する。あくまで一例として、算出部16Cは、顔の輪郭等の顔の特徴量を顔型判定モデルへ入力して得られる複数の顔型別の確信度と、EC商品の外観カテゴリごとに付与された複数の顔型別の相性スコアとに基づいて各外観カテゴリの相性度を算出する。このように顔型判定モデルへ入力される顔の特徴量として、動画像に含まれる静止画のフレームの中から顔の向きや傾きが最も正面寄りと識別される静止画から得られる顔の特徴量が選択される。
提供部16Dは、算出部16Cにより算出された相性度を提供する。1つの側面として、提供部16Dは、図1のバーチャル試着ページ320に例示した通り、最高の相性度を有する外観カテゴリ「ボストン」に対応するEC商品「メガネ」の標示325を相性度の算出対象とされた静止画上のユーザUの装着部位に重畳表示する。このように標示325が重畳表示された試着画像に関連付けて、提供部16Dは、外観カテゴリのうち最高の相性度「88%」の標示324を表示する。
次に、本実施形態に係る端末装置10の動作について、図4を用いて説明する。図4は、バーチャル試着の処理手順の一例を示すフローチャートである。
端末装置10は、取得部16Aと、抽出部16Bと、算出部16Cと、提供部16Dとを備える。例えば、取得部16Aは、動画像を取得する。抽出部16Bは、取得部16Aにより取得された動画像から利用者の外観の特徴を抽出する。算出部16Cは、抽出部16Bにより抽出された利用者の外観の特徴と、上記のショッピングモールサービスで取引対象とされるEC商品との相性度を算出する。提供部16Dは、算出部16Cにより算出された相性度を提供する。したがって、ユーザに相応しい商品であるか否かを評価する基準を提供できる。
上述の実施形態は一例を示したものであり、種々の応用が可能である。以下、上記の実施形態の応用例について説明する。
図1では、トップページ310からEC商品のリストを含むページへ誘導する例を挙げたが、これは例示に過ぎない。例えば、あるEC商品の詳細を表示する商品詳細ページから当該EC商品の購入手続きへの誘導も実現することができる。
上記の実施形態では、EC商品「メガネ」の外観カテゴリとして、メガネフレームの種類を例示したが、これに限定されない。例えば、EC商品「メガネ」の外観カテゴリには、メガネフレームの種類以外にも、メガネレンズの色やメガネレンズの色の濃さ、メガネフレームの色などが含まれてよい。
上記の実施形態では、相性度の算出に用いる顔の外観特徴として、顔の輪郭を例示したが、これに限定されない。例えば、顔の外観特徴には、顔の輪郭以外にも、肌の色や性別、年代が含まれてよい。
上記の実施形態では、EC商品の商品カテゴリの一例として、メガネとユーザUの顔の外観特徴との相性度を算出する例を挙げたが、これに限定されない。例えば、端末装置10は、コスメとユーザUの顔の外観特徴との相性度を算出することもできる。具体的には、算出部16Cは、抽出部16Bにより抽出された肌の色と、EC商品「コスメ」の外観カテゴリごとに付与された肌の色別の相性スコアとに基づいて相性度を算出する。例えば、コスメの外観カテゴリの例として、コスメの色の種類が挙げられる。あくまで一例として、肌の色を8クラスとし、コスメの色を8色としたとき、64通りの相性スコアが設定される。このような相性スコアの下、メガネの相性度を算出する式(1)や式(2)において「顔型」を「肌の色」と読み替えると共に「メガネフレームの種類」を「コスメの色の種類」と読み替える。これにより、コスメの相性度の算出時も上記の式(1)及び上記の式(2)を同様に適用できる。
本実施形態にかかる端末装置10では、動画像または動画像に含まれる静止画を入力として前記相性度を出力する機械学習モデルを用いて、抽出部16Bによる外観特徴の抽出から算出部16Cによる相性度算出までの一連の処理をフレームワーク化できる。
あくまで一例として、上記の機械学習モデルは、EC商品とモデルが関連付けられた動画像または静止画などの画像を正例の訓練データとして用いる機械学習を実行することにより生成できる。ここで言う「モデル」の一例には、いわゆるファッションモデルが対応し得る。例えば、訓練データの画像は、ファッションモデルのアカウントに対応する試着画像を収集したり、ニュースサイトやSNSサイトからファッションモデルのアカウントでEC商品が装着された画像を収集したりすることで取得できる。このような画像を正例の訓練データとし、ファッションモデル以外の人がEC商品を装着する画像を負例の訓練データとして、任意の機械学習のアルゴリズムで機械学習モデルを訓練する。例えば、正例の訓練データが機械学習モデルへ入力された場合、機械学習モデルが出力する相性度と正例のラベル、例えば100%との損失に基づいて機械学習モデルのパラメータを更新する。一方、負例の訓練データが機械学習モデルへ入力された場合、機械学習モデルが出力する相性度と負例のラベル、例えば70%との損失に基づいて機械学習モデルのパラメータを更新する。このように正例の訓練データおよび負例の訓練データを用いて機械学習モデルのパラメータをEC商品ごとまたは外観カテゴリごとに訓練することにより、EC商品単位または外観カテゴリ単位で相性度を算出できる。
他の一例として、上記の機械学習モデルは、ユーザとユーザにより購入されたEC商品とが関連付けられた動画像または静止画などの画像を正例の訓練データとして用いる機械学習を実行することにより生成できる。例えば、訓練データの画像は、ユーザの試着画像のうち購入手続き、あるいは決済処理が行われた試着画像を収集することで取得できる。このような画像を正例の訓練データとし、試着画像のうち購入手続きや決済処理が行われなかった試着画像を負例の訓練データとして、任意の機械学習のアルゴリズムで機械学習モデルを訓練する。例えば、正例の訓練データが機械学習モデルへ入力された場合、機械学習モデルが出力する相性度と正例のラベル、例えば100%との損失に基づいて機械学習モデルのパラメータを更新する。一方、負例の訓練データが機械学習モデルへ入力された場合、機械学習モデルが出力する相性度と負例のラベル、例えば70%との損失に基づいて機械学習モデルのパラメータを更新する。このように正例の訓練データおよび負例の訓練データを用いて機械学習モデルのパラメータをEC商品ごとまたは外観カテゴリごとに訓練することにより、EC商品単位または外観カテゴリ単位で相性度を算出できる。
上記の機械学習モデルの訓練方法1および上記の機械学習モデルの訓練方法2は、組み合わせて実施することもできる。さらに、上記の機械学習モデルの訓練方法1および上記の機械学習モデルの訓練方法2で例示した訓練データのうち、機械学習モデルの訓練が実行される時点から遡及して作成日時が所定の期間、例えば3か月以内の訓練データを機械学習モデルの訓練に使用できる。この際、訓練データの画像の作成日時として、ニュースサイトやSNSの投稿日時、あるいは画像のメタデータに含まれる撮影日時などを参照することができる。このように機械学習モデルの訓練に使用する訓練データを所定の期間以内に作成されたものに絞り込むことで、トレンドを反映する機械学習モデルを生成できる。
上述の実施形態では、バーチャル試着が適用されるEC商品の商品カテゴリの例として、メガネやイヤリング、ピアス、コスメを挙げたが、これに限定されない。これ以外にも、ヘッドホンや帽子、メイク、かつらなどのEC商品についても、ユーザUの顔の外観特徴との相性度を算出することができる。さらに、衣類や指輪、靴などの衣類や装飾に限らず、インテリア等の人を含む環境を装飾する物品についても、ユーザUの装着部位、あるいは全身の外観特徴、例えばシルエットとの相性度を算出することができる。
本実施形態にかかる端末装置10は、任意のタイミングで相性度を再算出することができる。例えば、バーチャル試着ページ320または340上に相性度算出のリトライをリクエストするGUIコンポーネントの操作を受け付けたり、所定のジェスチャコマンドを受け付けたりしたタイミングで相性度を再算出できる。
上述の実施形態は一例を示したものであり、種々の変形が可能である。以下、上記の実施形態の変形例について説明する。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
上述した実施形態における端末装置10は、例えば図7に示すような構成のコンピュータ100がプログラムを実行することによって実現される。
10 端末装置
11 通信部
12 表示部
13 入力部
14 撮像部
15 記憶部
16 制御部
16A 取得部
16B 抽出部
16C 算出部
16D 提供部
50 ショッピングモールサーバ
Claims (20)
- 動画像を取得する取得手順と、
前記取得手順により取得された動画像から利用者の外観の特徴を抽出する抽出手順と、
前記抽出手順により抽出された利用者の外観の特徴と、電子商取引サービスで取引対象とされる商品との相性度を、前記電子商取引サービスで取引対象とされる商品の外観の特徴に応じて分類された外観カテゴリごとに、前記外観の特徴の一の特徴として抽出された前記利用者の顔の輪郭から複数の顔型ごとに得られる確信度と、前記電子商取引サービスで取引対象とされるメガネの外観カテゴリごとに付与された前記複数の顔型別の相性スコアとに基づいて算出する算出手順と、
前記算出手順により算出された相性度を提供する提供手順と
をコンピュータに実行させることを特徴とする情報処理プログラム。 - 前記外観カテゴリは、前記メガネのフレームの種類を含むことを特徴とする請求項1に記載の情報処理プログラム。
- 前記外観カテゴリは、前記メガネのフレームの種類と、前記メガネのレンズの色、前記メガネのレンズの色の濃さまたは前記メガネのフレームの色との組合せを含むことを特徴とする請求項1に記載の情報処理プログラム。
- 前記抽出手順は、前記顔の輪郭と、前記利用者の肌の色、前記利用者の性別または前記利用者の年代との組合せを抽出し、
前記算出手順は、前記メガネの外観カテゴリごとに付与された前記組合せ別の相性スコアに基づいて前記相性度を算出することを特徴とする請求項1~3のいずれか1つに記載の情報処理プログラム。 - 前記提供手順は、前記算出手順により前記外観カテゴリごとに算出された相性度のうち選択が受け付けられた選択商品の外観カテゴリの相性度を提供することを特徴とする請求項1に記載の情報処理プログラム。
- 前記提供手順は、前記選択商品の外観カテゴリとは異なる他の外観カテゴリのうち前記選択商品の外観カテゴリの相性度よりも高評価である外観カテゴリの相性度を提供することを特徴とする請求項5に記載の情報処理プログラム。
- 動画像を取得する取得手順と、
前記取得手順により取得された動画像から利用者の外観の特徴を抽出する抽出手順と、
前記抽出手順により抽出された利用者の外観の特徴と、電子商取引サービスで取引対象とされる商品との相性度を、前記電子商取引サービスで取引対象とされる商品の外観の特徴に応じて分類された外観カテゴリごとに、前記外観の特徴の一の特徴として抽出された前記利用者の肌の色と、前記電子商取引サービスで取引対象とされるコスメの外観カテゴリごとに付与された肌の色別の相性スコアとに基づいて算出する算出手順と、
前記算出手順により前記外観カテゴリごとに算出された相性度のうち選択が受け付けられた選択商品とは異なる他の外観カテゴリのうち前記選択商品の外観カテゴリの相性度よりも高評価である外観カテゴリの相性度を提供する提供手順と
をコンピュータに実行させることを特徴とする情報処理プログラム。 - 前記外観カテゴリは、前記コスメの色の種類を含むことを特徴とする請求項7に記載の情報処理プログラム。
- 前記抽出手順は、前記肌の色と、前記利用者の性別、前記利用者の年代または前記利用者の顔パーツが顔上で位置するレイアウトパターンとの組合せを抽出し、
前記算出手順は、前記コスメの外観カテゴリごとに付与された前記組合せ別の相性スコアに基づいて前記相性度を算出することを特徴とする請求項7または8に記載の情報処理プログラム。 - 前記提供手順は、前記算出手順により前記外観カテゴリごとに算出された相性度のうち最高の相性度を提供することを特徴とする請求項1または7に記載の情報処理プログラム。
- 前記提供手順は、前記相性度が最高である外観カテゴリに対応する商品のリストを提供することを特徴とする請求項10に記載の情報処理プログラム。
- 前記抽出手順および前記算出手順は、動画像または動画像に含まれる静止画を入力として前記相性度を出力する機械学習モデルに、前記取得手順により取得される動画像または前記動画像に含まれる静止画を入力することを特徴とする請求項1~11のいずれか1つに記載の情報処理プログラム。
- 前記機械学習モデルは、商品とモデルが関連付けられた動画像または静止画を正例の訓練データとする機械学習が実行されることにより生成されることを特徴とする請求項12に記載の情報処理プログラム。
- 前記機械学習モデルは、利用者と前記利用者により購入された商品とが関連付けられた動画像または静止画を正例の訓練データとする機械学習が実行されることにより生成されることを特徴とする請求項12に記載の情報処理プログラム。
- 前記訓練データは、前記機械学習が実行される時点から所定期間以内の動画像または静止画であることを特徴とする請求項13または14に記載の情報処理プログラム。
- 前記提供手順は、前記動画像または前記動画像に含まれる静止画上の装着部位に重畳して表示された商品に関連付けて前記相性度を表示することを特徴とする請求項1~15のいずれか1つに記載の情報処理プログラム。
- コンピュータが実行する情報処理方法であって、
動画像を取得する取得工程と、
前記取得工程により取得された動画像から利用者の外観の特徴を抽出する抽出工程と、
前記抽出工程により抽出された利用者の外観の特徴と、電子商取引サービスで取引対象とされる商品との相性度を、前記電子商取引サービスで取引対象とされる商品の外観の特徴に応じて分類された外観カテゴリごとに、前記外観の特徴の一の特徴として抽出された前記利用者の顔の輪郭から複数の顔型ごとに得られる確信度と、前記電子商取引サービスで取引対象とされるメガネの外観カテゴリごとに付与された前記複数の顔型別の相性スコアとに基づいて算出する算出工程と、
前記算出工程により算出された相性度を提供する提供工程と
を含むことを特徴とする情報処理方法。 - 動画像を取得する取得部と、
前記取得部により取得された動画像から利用者の外観の特徴を抽出する抽出部と、
前記抽出部により抽出された利用者の外観の特徴と、電子商取引サービスで取引対象とされる商品との相性度を、前記電子商取引サービスで取引対象とされる商品の外観の特徴に応じて分類された外観カテゴリごとに、前記外観の特徴の一の特徴として抽出された前記利用者の顔の輪郭から複数の顔型ごとに得られる確信度と、前記電子商取引サービスで取引対象とされるメガネの外観カテゴリごとに付与された前記複数の顔型別の相性スコアとに基づいて算出する算出部と、
前記算出部により算出された相性度を提供する提供部と
を備えることを特徴とする情報処理装置。 - コンピュータが実行する情報処理方法であって、
動画像を取得する取得工程と、
前記取得工程により取得された動画像から利用者の外観の特徴を抽出する抽出工程と、
前記抽出工程により抽出された利用者の外観の特徴と、電子商取引サービスで取引対象とされる商品との相性度を、前記電子商取引サービスで取引対象とされる商品の外観の特徴に応じて分類された外観カテゴリごとに、前記外観の特徴の一の特徴として抽出された前記利用者の肌の色と、前記電子商取引サービスで取引対象とされるコスメの外観カテゴリごとに付与された肌の色別の相性スコアとに基づいて算出する算出工程と、
前記算出工程により前記外観カテゴリごとに算出された相性度のうち選択が受け付けられた選択商品とは異なる他の外観カテゴリのうち前記選択商品の外観カテゴリの相性度よりも高評価である外観カテゴリの相性度を提供する提供工程と
を含むことを特徴とする情報処理方法。 - 動画像を取得する取得部と、
前記取得部により取得された動画像から利用者の外観の特徴を抽出する抽出部と、
前記抽出部により抽出された利用者の外観の特徴と、電子商取引サービスで取引対象とされる商品との相性度を、前記電子商取引サービスで取引対象とされる商品の外観の特徴に応じて分類された外観カテゴリごとに、前記外観の特徴の一の特徴として抽出された前記利用者の肌の色と、前記電子商取引サービスで取引対象とされるコスメの外観カテゴリごとに付与された肌の色別の相性スコアとに基づいて算出する算出部と、
前記算出部により前記外観カテゴリごとに算出された相性度のうち選択が受け付けられた選択商品とは異なる他の外観カテゴリのうち前記選択商品の外観カテゴリの相性度よりも高評価である外観カテゴリの相性度を提供する提供部と
を備えることを特徴とする情報処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020157910A JP7021316B1 (ja) | 2020-09-18 | 2020-09-18 | 情報処理プログラム、情報処理方法および情報処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020157910A JP7021316B1 (ja) | 2020-09-18 | 2020-09-18 | 情報処理プログラム、情報処理方法および情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7021316B1 true JP7021316B1 (ja) | 2022-02-16 |
JP2022051430A JP2022051430A (ja) | 2022-03-31 |
Family
ID=80854966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020157910A Active JP7021316B1 (ja) | 2020-09-18 | 2020-09-18 | 情報処理プログラム、情報処理方法および情報処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7021316B1 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001104050A (ja) | 1999-10-06 | 2001-04-17 | Seiko Epson Corp | 画像処理を用いた化粧支援方法および化粧台ならびに画像処理を用いた化粧支援処理プログラムを記録した記録媒体 |
JP2001357389A (ja) | 2000-06-12 | 2001-12-26 | Topcon Corp | 眼鏡フレーム選択サービスシステム及びそのプログラム記録媒体 |
JP2009223740A (ja) | 2008-03-18 | 2009-10-01 | Fujifilm Corp | 服飾商品検索装置および方法並びにプログラム |
WO2017154136A1 (ja) | 2016-03-09 | 2017-09-14 | 日立マクセル株式会社 | 携帯情報端末及びそれに用いる情報処理方法 |
JP2019028698A (ja) | 2017-07-28 | 2019-02-21 | 日本電信電話株式会社 | 判定器学習装置、組み合わせの良さ判定装置、方法、及びプログラム |
JP2019207508A (ja) | 2018-05-28 | 2019-12-05 | 株式会社リコー | 画像検索装置、画像検索方法、画像検索プログラム及び商品カタログ生成システム |
JP2020095581A (ja) | 2018-12-14 | 2020-06-18 | 株式会社ジンズホールディングス | 情報処理方法、情報処理装置、情報処理システム、および店舗 |
-
2020
- 2020-09-18 JP JP2020157910A patent/JP7021316B1/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001104050A (ja) | 1999-10-06 | 2001-04-17 | Seiko Epson Corp | 画像処理を用いた化粧支援方法および化粧台ならびに画像処理を用いた化粧支援処理プログラムを記録した記録媒体 |
JP2001357389A (ja) | 2000-06-12 | 2001-12-26 | Topcon Corp | 眼鏡フレーム選択サービスシステム及びそのプログラム記録媒体 |
JP2009223740A (ja) | 2008-03-18 | 2009-10-01 | Fujifilm Corp | 服飾商品検索装置および方法並びにプログラム |
WO2017154136A1 (ja) | 2016-03-09 | 2017-09-14 | 日立マクセル株式会社 | 携帯情報端末及びそれに用いる情報処理方法 |
JP2019028698A (ja) | 2017-07-28 | 2019-02-21 | 日本電信電話株式会社 | 判定器学習装置、組み合わせの良さ判定装置、方法、及びプログラム |
JP2019207508A (ja) | 2018-05-28 | 2019-12-05 | 株式会社リコー | 画像検索装置、画像検索方法、画像検索プログラム及び商品カタログ生成システム |
JP2020095581A (ja) | 2018-12-14 | 2020-06-18 | 株式会社ジンズホールディングス | 情報処理方法、情報処理装置、情報処理システム、および店舗 |
Also Published As
Publication number | Publication date |
---|---|
JP2022051430A (ja) | 2022-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403829B2 (en) | Object preview in a mixed reality environment | |
US11428960B2 (en) | Method and system to create custom, user-specific eyewear | |
CN109310196B (zh) | 化妆辅助装置以及化妆辅助方法 | |
US20180268458A1 (en) | Automated recommendation and virtualization systems and methods for e-commerce | |
US20200342320A1 (en) | Non-binary gender filter | |
KR20130103153A (ko) | 고객 맞춤형 안경 및 콘택트렌즈 버추얼 피팅 방법 및 그 시스템 | |
US20210082037A1 (en) | Automating the Creation of Listings Using Augmented Reality Computer Technology | |
JP7021316B1 (ja) | 情報処理プログラム、情報処理方法および情報処理装置 | |
KR102298101B1 (ko) | 성인용품 판매시스템 및 그 시스템의 구동방법 | |
TWI803326B (zh) | 商品資訊處理系統、商品資訊處理方法及程式 | |
US11526925B2 (en) | System and method for fashion recommendations | |
KR20230033531A (ko) | 무인 상품 서비스 제공 방법 | |
US10922579B2 (en) | Frame recognition system and method | |
JP2021077384A (ja) | Arプラットフォームシステム、方法およびプログラム | |
JP2017173902A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US20240071019A1 (en) | Three-dimensional models of users wearing clothing items | |
JP7101234B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP2024043864A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2024043774A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2024043863A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Rayavel et al. | Optimizing User Satisfaction and Streamlining Operations in Online Retail Using CNN Algorithm | |
JP2024043770A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
WO2023204782A1 (en) | Fashion presentation application system and operating method thereof | |
CN113592592A (zh) | 生成眼镜框试戴效果图的方法及眼镜框虚拟试戴系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20201019 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210219 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210623 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210803 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211004 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7021316 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |