1.実施形態
1.1 概要
図1は、一実施形態の服装学習評価システム10を示す。服装学習評価システム10は、提示装置20を備える。提示装置20は、服装学習システムとしての機能(服装学習機能)を有する。図2に示すように、提示装置20は、取得部F11と、提示部F14とを備える。取得部F11は、ユーザ100(図1参照)の身体情報を取得する身体情報取得部として機能する。提示部F14は、身体情報取得部(取得部F11)で取得された身体情報、及び、ユーザ100の服装の評価の結果の評価履歴H12に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部として機能する。提示装置20が提示する学習コンテンツは、ユーザ100の身体情報、及び、ユーザ100の服装の評価の結果の評価履歴H12に基づいて生成される。そのため、服装学習評価システム10によれば、ユーザ100が自身に合った服装の学習を行える。
また、提示装置20は、服装評価システムとしての機能(服装評価機能)を有する。図2に示すように、提示装置20は、取得部F11と、提示部F14とを備える。取得部F11は、姿情報取得部として機能する。姿情報取得部は、ユーザ100の姿情報を取得する。提示部F14は、評価結果提示部として機能する。評価結果提示部は、姿情報取得部(取得部F11)で取得された姿情報に基づいて行われるユーザ100の服装の評価の結果を、ユーザ100に合う服装を学習するための学習コンテンツによる学習の学習履歴H11に基づく態様で提示する。提示装置20が提示するユーザ100の服装の評価の結果は、学習履歴H11に基づく態様で提示される。そのため、服装学習評価システム10によれば、ユーザ100が自身に合った服装の学習を行える。
1.2 詳細
以下、本実施形態の服装学習評価システム10について、図1~図7を参照して更に詳細に説明する。服装学習評価システム10は、図1及び図2に示すように、提示装置20と、入力システム30と、サーバ40とを備える。提示装置20は、入力システム30及びサーバ40と通信ネットワーク50を通じて通信可能である。通信ネットワーク50は、インターネットを含み得る。通信ネットワーク50は、単一の通信プロトコルに準拠したネットワークだけではなく、異なる通信プロトコルに準拠した複数のネットワークで構成され得る。通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。図2及び図3では簡略化されているが、通信ネットワーク50は、リピータハブ、スイッチングハブ、ブリッジ、ゲートウェイ、ルータ等のデータ通信機器を含み得る。
入力システム30は、図1及び図2に示すように、画像入力装置31と、情報入力装置32とを含む。画像入力装置31及び情報入力装置32はいずれもユーザ100に関する情報を服装学習評価システム10に入力するための装置である。
画像入力装置31は、ユーザ100に関する画像を服装学習評価システム10に入力するための装置である。ユーザ100に関する画像は、ユーザ100自身の画像、及び、ユーザ100の所有物の画像を含み得る。ユーザ100自身の画像は、一例として、ユーザ100の顔の画像等のユーザ100の肌が写っている画像、及び、ユーザ100の全身が写っている画像を含み得る。ユーザ100の所有物の画像は、ユーザ100の所有している服装(衣類、装身具等)の画像であってよい。画像入力装置31は、一例としては、デジタルカメラであるが、これに限らず、ユーザ100の画像(デジタル画像)を生成する機能を有する装置(スマートフォン、タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータ)であってもよい。
情報入力装置32は、ユーザ100の画像以外の、ユーザ100に関する情報を入力するための装置である。ユーザ100の画像以外の情報の例としては、ユーザ100の属性の情報がある。ユーザ100の属性は、ユーザ100の性別、年齢、身長、体重、肉づき、骨格、体型、服装の好み(服装の色、服装の模様、服装の形状、服装の種類等)を含み得る。情報入力装置32は、一例としては、スマートフォンであるが、これに限らず、ユーザ100の属性の入力が可能な装置(タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータ)であってもよい。また、情報入力装置32は、キーボード、マウス、トラックボール、タッチパッド、マイクロフォン、デジタルカメラを含み得る。
サーバ40は、図2に示すように、通信部41と、記憶部42と、処理部43とを備える。
通信部41は、通信インターフェースである。本実施形態では、通信部41は、通信ネットワーク50に接続可能な通信インターフェースであり、通信ネットワーク50を通じた通信を行う機能を有する。特に、通信部41は、提示装置20及び入力システム30と通信ネットワーク50を通じて通信可能である。なお、通信部41の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。
記憶部42は、情報を記憶するための装置である。記憶部42は、ROM(Read Only Memory)、RAM(Random Access Memory)、EEPROM(Electrically Erasable Programmable Read Only Memory)等である。記憶部42は、後述する、服装データベースD11と、コンテンツデータベースD12と、個人データベースD13とを記憶するための領域を有する。なお、図3では、図面の簡略化の観点から、データベースを「DB」と短縮して表記している。
処理部43は、サーバ40の全体的な制御、すなわち、通信部41、及び記憶部42を制御するように構成される。処理部43は、例えば、1以上のプロセッサ(マイクロプロセッサ)と1以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、1以上のプロセッサが1以上のメモリに記憶された1以上のプログラム(アプリケーション)を実行することで、処理部43として機能する。プログラムは、ここでは処理部43のメモリに予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。
提示装置20は、本実施形態では、画像表示装置である。特に、提示装置20は、電子ミラーとしての機能を有する。提示装置20は、施設に設置される。施設は、本実施形態では、集合住宅である。なお、施設の例としては、オフィスビル、戸建て住宅、集合住宅(住戸、共用部)、店舗、ビル(ビル全体、フロア内)が挙げられる。また、施設は、建物だけではなく、建物とその建物が存在する敷地とを含んでいてもよく、例えば、工場や、公園、病院、商業施設等が挙げられる。
提示装置20は、図1に示すように、表示画面2210に画像を表示する表示装置221と、表示画面2210に重ねて配置されるハーフミラー222とを有する。更に、提示装置20は、図2に示すように、入力部21と、出力部22と、通信部23と、記憶部24と、処理部25とを備える。
入力部21は、提示装置20に情報を入力するために用いられる。入力部21により提示装置20に入力する情報の例としては、ユーザ100に関する情報、及び提示装置20の操作のための情報を含み得る。入力部21は、情報の入力のための1以上の入力装置を含む。1以上の入力装置は、キーボード、マウス、トラックボール、タッチパッド、マイクロフォン、デジタルカメラを含み得る。
出力部22は、提示装置20から情報を出力するために用いられる。出力部22により提示装置20から出力する情報の例としては、提示装置20の操作のための情報、及び提示装置20からユーザに通知する情報を含み得る。出力部22は、情報の出力のための1以上の出力装置を含む。1以上の出力装置は、視覚的に情報を提示するための表示装置221、及び、聴覚的に情報を提示するためのスピーカを含み得る。
ここで、表示装置221は、画像を表示する表示画面2210を有している。上述したように、ハーフミラー222は、表示画面2210に重ねて配置される。ハーフミラー222は、ユーザ100の像を映すために用いられる。表示装置221は、液晶ディスプレイや有機ELディスプレイ等の薄型のディスプレイ装置である。本実施形態では、表示装置221の表示画面2210には、入力部21のタッチパッドが配置されて、タッチパネルが構成されている。
通信部23は、通信インターフェースである。本実施形態では、通信部23は、通信ネットワーク50に接続可能な通信インターフェースであり、通信ネットワーク50を通じた通信を行う機能を有する。特に、通信部23は、入力システム30及びサーバ40と通信ネットワーク50を通じて通信可能である。なお、通信部23の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。
記憶部24は、情報を記憶するための装置である。記憶部24は、ROM(Read Only Memory)、RAM(Random Access Memory)、EEPROM(Electrically Erasable Programmable Read Only Memory)等である。記憶部24は、後述する、学習履歴H11と、評価履歴H12とを記憶するための領域を有する。
処理部25は、提示装置20の全体的な制御、すなわち、入力部21、出力部22、通信部23、及び記憶部24を制御するように構成される。特に、本実施形態では、提示装置20は、デジタルミラーである。一例として、処理部25は、入力部21のカメラにより得たユーザ100の画像を、出力部22の表示装置221に表示する機能を有する。処理部25は、例えば、1以上のプロセッサ(マイクロプロセッサ)と1以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、1以上のプロセッサが1以上のメモリに記憶された1以上のプログラム(アプリケーション)を実行することで、処理部25として機能する。プログラムは、ここでは処理部25のメモリに予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。
処理部25は、図2に示すように、取得部F11と、生成部F12と、評価部F13と、提示部F14とを備える。図2において、取得部F11、生成部F12、評価部F13、及び提示部F14は実体のある構成を示しているわけではなく、処理部25によって実現される機能を示している。
取得部F11は、ユーザ100の身体情報を取得するように構成される。つまり、取得部F11は、ユーザの身体情報を取得する身体情報取得部として機能する。つまり、取得部F11は、ユーザ100の身体情報を取得する身体情報取得ステップを実行する。身体情報は、ユーザ100の身体に関する情報である。本実施形態では、身体情報は、ユーザ100の色に関する情報と、ユーザ100の体格に関する情報とを含む。ユーザ100の色に関する情報は、ユーザ100の身体の特定部位の色の情報である。特定部位の色の例としては、肌の色、髪の色、瞳の色が挙げられる。本実施形態では、肌の色の情報が用いられる。ユーザ100の体格に関する情報は、ユーザ100の身長、体重、肉づき、骨格、及び体型の少なくとも一つに関する情報を含む。本実施形態では、ユーザ100の身長と体重の情報が用いられる。
取得部F11は、身体情報を入力システム30から取得する。特に、取得部F11は、ユーザ100の色に関する情報を、画像入力装置31から取得する。本実施形態では、ユーザ100の色に関する情報は、ユーザ100の肌が写っている画像であって、一例としては、ユーザ100の顔の画像である。また、取得部F11は、ユーザ100の体格に関する情報を、情報入力装置32から取得する。本実施形態では、ユーザ100の体格に関する情報は、ユーザ100の身長と体重の情報である。
また、取得部F11は、ユーザ100の姿情報を取得するように構成される。つまり、取得部F11は、ユーザの姿情報を取得する姿情報取得部として機能する。つまり、取得部F11は、ユーザ100の姿情報を取得する姿情報取得ステップを実行する。姿情報は、ユーザ100の姿に関する情報である。本実施形態では、姿情報は、ユーザ100の姿に関する情報を含む。ユーザ100の姿に関する情報は、ユーザ100がどのような服装をしているかを示す情報である。つまり、ユーザ100の姿に関する情報は、ユーザ100の服装を特定することが可能な情報である。一例として、ユーザ100の姿に関する情報は、ユーザ100自身の画像であり得る。
取得部F11は、姿情報を入力システム30から取得する。特に、取得部F11は、姿情報を、画像入力装置31から取得する。本実施形態では、姿情報は、ユーザ100が写っている画像であって、一例としては、ユーザ100の全身の画像である。
生成部F12は、ユーザ100に合う服装を学習するための学習コンテンツを生成するように構成される。本実施形態では、生成部F12は、身体情報に基づいて、ユーザ100の色と体格との少なくとも一方に関する分析を行い、分析の結果に基づいてユーザ100に合う服装を決定し、学習コンテンツを生成する。
生成部F12は、ユーザ100の身体情報に基づく分析を実行する。より詳細には、生成部F12は、身体情報に基づいて、ユーザ100の色と体格との少なくとも一方に関する分析を行う。本実施形態では、生成部F12は、ユーザ100の色と体格とに関する分析を行う。
ユーザ100の色に関する分析は、ユーザ100の肌の色に基づくユーザ100の色の分類を含む。生成部F12は、ユーザ100の肌の色を、取得部F11で取得されたユーザ100の身体情報に含まれるユーザ100の色に関する情報から取得する。よって、生成部F12は、ユーザ100の色に関する情報に基づいて、ユーザ100の色の分類を行う。ユーザ100の色は、4つの類型に分類され得る。一例として、4つの類型は、肌の色がイエローベースで明るい第1類型、肌の色がウォームベースで暗い第2類型、肌の色がブルーベース(クールタイプ)で明るい第3類型、肌の色がブルーベースで暗い第4類型である。なお、イエローベースは、黄みがかった肌色をいい、ウォームタイプともいわれる。ブルーベースは、青みがかった肌色をいい、クールタイプともいわれる。第1~第4類型は、慣用的に、スプリング、サマー、オータム、及びウィンターともいわれる。ただし、本実施形態では、ユーザ100の色の分類は、イエローベース(ウォームタイプ)とブルーベース(クールタイプ)との2類型である。
生成部F12は、ユーザ100の色に関する分析では、ユーザ100の肌の色がイエローベースかブルーベースかを判定する。一例として、生成部F12は、ユーザ100の肌の色とイエローベースとの類似度と、ユーザ100の肌の色とブルーベースと類似度との比較に基づいて、ユーザ100の色の分類を実行してよい。色分析部F121は、ユーザ100の肌の色を、取得部F11で得たユーザ100の顔の画像から取得可能である。なお、生成部F12は、ユーザ100の肌の色の入力に対してイエローベースかブルーベースかを出力する学習済みモデルを利用して、ユーザ100の色の分類を実行してよい。生成部F12は、ユーザ100の色に関する分析の結果として、ユーザ100の色がイエローベースかブルーベースかを提供する。
ユーザ100の体格に関する分析は、ユーザ100の身長、体重、肉づき、骨格、及び体型の少なくとも一つに基づくユーザ100の体格の分類を含む。生成部F12は、ユーザ100の身長、体重、肉づき、骨格、及び体型の少なくとも一つの情報を、取得部F11で取得されたユーザ100の身体情報に含まれるユーザ100の体格に関する情報から取得する。本実施形態では、身体情報は、ユーザ100の身長と体重の情報を含む。よって、生成部F12は、ユーザ100の体格に関する情報(ユーザ100の身長及び体重)に基づいて、ユーザ100の体格の分類を行う。ユーザ100の体格は、4つの類型に分類され得る。一例として、4つの類型は、身長高めかつ体重多めの第1類型、身長高めかつ体重少なめの第2類型、身長低めかつ体重多めの第3類型、身長低めかつ体重少なめの第4類型である。
生成部F12は、ユーザ100の体格に関する分析では、ユーザ100の体格が第1類型~第4類型のいずれであるかを判定する。一例として、生成部F12は、ユーザ100の身長が身長閾値以上であれば、ユーザ100は身長高めと判断し、ユーザ100の身長が身長閾値未満であれば、ユーザ100は身長低めと判断する。身長閾値は、平均身長であってよい。平均身長は、性別、年齢等で変わり得る。ここでの平均身長は、ユーザ100と同じ性別、同じ年代の人の平均身長であるとよい。なお、身長閾値は、平均身長以外の値であってよく、理想身長等、種々の数値を利用可能である。生成部F12は、ユーザ100の体重が体重閾値以上であれば、ユーザ100は体重多めと判断し、ユーザ100の体重が体重閾値未満であれば、ユーザ100は体重少なめと判断する。体重閾値は、ユーザ100がぽっちゃりかほっそり、又は、がっしりかきゃしゃかを判定するための値であってよい。体重閾値は、一例としては、理想体重であってよい。理想体重は、性別、年齢等で変わり得る。ここでの理想体重は、ユーザ100と同じ性別、同じ年代の人の理想体重であるとよい。なお、体重閾値は、理想体重以外の値であってよく、平均体重等、種々の数値を利用可能である。よって、生成部F12は、ユーザ100の身長と身長閾値との比較の結果、及び、ユーザ100の体重と体重閾値との比較に基づいて、ユーザ100の体格の分類を実行してよい。なお、生成部F12は、ユーザ100の身長及び体重の入力に対してユーザ100が第1類型~第4類型のいずれであるかを出力する学習済みモデルを利用して、ユーザ100の体格の分類を実行してよい。生成部F12は、ユーザ100の体格に関する分析の結果として、ユーザ100の体格が第1類型~第4類型のいずれであるかを提供する。
生成部F12は、ユーザ100の身体情報に基づく分析の結果(本実施形態では、ユーザ100の色の分析の結果と体格の分析の結果)を、サーバ40の記憶部42の個人データベースD13に登録するように構成される。したがって、ユーザ100の身体情報に基づく分析の結果が得られれば、生成部F12での分析を再度実行しなくても、服装学習評価システム10は、個人データベースD13からユーザ100の身体情報に基づく分析の結果を利用することができる。ただし、ユーザ100の身体情報に変更がある場合には、再度、生成部F12による分析を実行することが好ましい。
生成部F12は、ユーザ100の身体情報に基づく分析の結果に基づいてユーザ100に合う服装を決定し、学習コンテンツを生成する。
生成部F12は、分析の結果に基づいてユーザ100に合う服装を決定する場合に、サーバ40の記憶部42の服装データベースD11を検索する。服装データベースD11は、服装に関するデータベースである。服装データベースD11は、複数の服装情報を保持している。服装情報は、服装の属性、及び、服装の画像を含み得る。服装の属性は、種類、色、柄、シルエットを含み得る。服装の種類は、ワンピース、シャツ、スカート、ジャケット、コート、ボトムス等の衣類の種類と、ネックレス、イヤリング等の装身具の種類等を含み得る。服装の色は、赤、青、白、黄色等を含み得る。服装の色は、服装の全体としての色の印象に基づいて定められる。つまり、服装の色が赤であるといっても、服装が赤の単色であることを意味しているわけではない。服装の柄は、無地、幾何学柄、花柄、ダマスク柄、アニマル柄を含み得る。幾何学柄の例としては、ストライプ、チェック、ボーダー、ドット(水玉)柄が挙げられる。ストライプの例としては、子持ちストライプ、レガッタストライプ、ロンドンストライプ、ブロックストライプ、チェックの例としては、ギンガムチェック、グラフチェック、千鳥格子が挙げられる。ドット柄は、更に、ドットの大きさ及びドットの並び方が異なる複数の柄を含み得る。花柄は、更に、花のリアルさ、花の大きさ、及び花の並び方が異なる複数の柄を含み得る。アニマル柄の例としては、ヒョウ柄など茶系のアニマル柄、モノトーンのアニマル柄が挙げられる。服装のシルエットは、メリハリ系、直線系、上重心系、下重心系、丸み系を含み得る。メリハリ系の例としては、Xラインシルエット、マーメイドシルエット、アワーグラスシルエットが挙げられる。直線系の例としては、ストレートシルエット、スリムシルエットが挙げられる。上重心系の例としては、Yライン、逆三角形が挙げられる。下重心系の例としては、Aラインシルエット、エンパイアシルエット、フィット&フレアシルエットが挙げられる。丸み系の例としては、バルーンシルエット、コクーンシルエット、バレルシルエットが挙げられる。
服装データベースD11は、図2に示すように、所有服装データベースD111と、非所有服装データベースD112とを含み得る。所有服装データベースD111は、ユーザ100が所有している服装に関するデータベースである。つまり、所有服装データベースD111に登録されている服装情報は、ユーザ100が実際に所有している服装に関する情報である。ユーザ100は、入力システム30を用いて、ユーザ100が所有している服装を所有服装データベースD111に登録することが可能である。一例として、ユーザ100は、入力システム30の画像入力装置31で服装を撮影して、情報入力装置32を用いて所有服装データベースD111に入力することが可能である。非所有服装データベースD112は、ユーザ100が所有していない服装に関するデータベースである。つまり、非所有服装データベースD112に登録されている服装情報は、ユーザ100が実際に所有していない服装に関する情報である。一例として、非所有服装データベースD112にはあらかじめ複数の服装情報が登録される。なお、非所有服装データベースD112には、インターネット上のウェブサイト(ショッピングサイト)等から取得された服装情報が新たに登録され得る。服装には流行があるため、非所有服装データベースD112は定期的に更新されることが好ましい。なお、ユーザ100が新しく服装を購入した場合には、所有服装データベースD111には、これまで非所有服装データベースD112にだけ登録されている服装に関する情報が登録され得る。この観点から言えば、所有服装データベースD111は、ユーザ100が自身で作成するデータベースであり、非所有服装データベースD112は、服装学習評価システム10が機械的に作成するデータベースであるともいえる。
生成部F12は、ユーザ100の色の分析の結果と体格の分析の結果との組み合わせに基づいて、ユーザ100に合う服装を決定する。生成部F12は、ユーザ100の色の分析の結果と体格の分析の結果との組み合わせに基づいて、ユーザ100に合う服装を決定するための服装決定アルゴリズムを有している。服装決定アルゴリズムは、ユーザ100の色の分析の結果と体格の分析の結果との組み合わせに対して、ユーザ100に合う服装の属性の条件を出力する。一例として、ユーザ100の色の分析の結果がウォームタイプで、ユーザ100の体格の分析の結果が第3類型(身長低めかつ体重多め)である場合、服装決定アルゴリズムは、ユーザ100に合う服装の属性に関して、色が明るくライトな赤色であるという条件を出力する。他の例として、ユーザ100の色の分析の結果がウォームタイプで、ユーザ100の体格の分析の結果が第3類型(身長低めかつ体重多め)又は第4類型(身長低めかつ体重少なめ)である場合、服装決定アルゴリズムは、ユーザ100に合う服装の属性に関して、柄が小さい花がちりばめられた花柄であるという条件を出力する。他の例として、ユーザ100の色の分析の結果がウォームタイプ又はクールタイプで、ユーザ100の体格の分析の結果が第2類型(身長高めかつ体重少なめ)である場合、服装決定アルゴリズムは、ユーザ100に合う服装の属性に関して、シルエットが直線系であるという条件を出力する。生成部F12は、服装決定アルゴリズムで得た条件に合致する服装(つまり、ユーザ100に合う服装)を、服装データベースD11から検索して、ユーザ100に合う服装を決定する。ここで、生成部F12は、非所有服装データベースD112よりも先に所有服装データベースD111を検索する。つまり、生成部F12は、所有服装データベースD111にユーザ100に合う服装がない場合に、非所有服装データベースD112の検索を行う。なお、どのようなユーザ100にどのような服装が合うかについては、従来周知のファッション理論等を利用できるから、詳細な説明は省略する。なお、服装決定アルゴリズムは、学習済みモデルであってもよい。つまり、生成部F12は、ユーザ100の色の分析の結果と体格の分析の結果との組み合わせとユーザ100に合う服装との関係を学習した学習済みモデルを利用して、ユーザ100に合う服装を決定してよい。
生成部F12は、学習コンテンツを生成する場合に、サーバ40の記憶部42のコンテンツデータベースD12を検索する。コンテンツデータベースD12は、学習コンテンツに関するデータベースである。コンテンツデータベースD12は、複数の学習コンテンツを保持している。例えば、コンテンツデータベースD12では、複数のクラスのそれぞれに対して複数のカリキュラム(学習コンテンツ)が用意されている。表1は、コンテンツデータベースD12の一例を示す。なお、表1では、見やすさの向上のために、学習コンテンツを、単に「コンテンツ」と略している。
クラスは、ユーザ100の分類を示す。クラスは、ユーザ100の色の分析の結果と体格の分析の結果との組み合わせに基づいて、決定される。上述したように、ユーザ100の色に関する分析では、ユーザ100の肌の色がイエローベースかブルーベースかを判定する。また、ユーザ100の体格に関する分析では、ユーザ100の体格が第1類型~第4類型のいずれであるかを判定する。よって、本実施形態では、ユーザ100は、8つのクラスに分類され得る。一例として、表1のクラスAは、ユーザ100の肌の色がイエローベースで、ユーザ100の体格が第3類型であるクラスである。
カリキュラムは、学習コンテンツのジャンル及び難易度を示してよい。ジャンルは、服装の属性であってよい。つまり、学習コンテンツは、服装の種類、色、柄、シルエット毎に、出題可能である。表1においては、カリキュラム1、カリキュラム2、カリキュラム3、カリキュラム4の順に学習コンテンツの難易度が高くなる。クラスAの場合、学習コンテンツA1、学習コンテンツA2、学習コンテンツA3、学習コンテンツA4の順に難易度が高い。このように難易度別の複数のカリキュラムを用意することで、ユーザ100の学習コンテンツに対する習熟度に応じて、適切なカリキュラムの選択(学習コンテンツの選択)が可能となる。
各学習コンテンツは、ユーザ100に合う服装に関する問題及び当該問題の解説を含み得る。本実施形態では、ユーザ100に合う服装に関する問題は、多肢選択式問題である。多肢選択式問題は、設問文と複数の選択肢とを含む。設問文は、分析の結果を提示する文章を含む。設問文は、一例として、「クールタイプ、身長高めでぽっちゃり&がっしりなあなたに似合う服装は?」という文章である。ここで、「クールタイプ、身長高めでぽっちゃり&がっしりなあなた」という文章が、分析の結果を提示する文章である。これによって、ユーザ100に分析の結果を通知することができる。ユーザ100は、設問文を、正答肢の選択の参考にすることができる。複数の選択肢は、正解肢と1以上の誤答肢と含む。生成部F12は、ユーザ100に合う服装を正解肢とし、ユーザ100に合う服装以外の服装を誤答肢に用いる。特に、誤答肢に用いる服装は、服装データベースD11に登録されている、ユーザ100に合う服装の属性の条件を満たさない服装から、選択されるとよい。ただし、誤答肢に用いる服装は、服装データベースD11に登録されている服装からランダムに選択されてよい。また、複数の選択肢の各々は、服装の画像を含んでいる。
学習コンテンツでの学習の結果は、記憶部24の学習履歴H11に蓄積される。学習の結果は、ユーザ100に合う服装に関する問題に正解したかどうかを含み得る。カリキュラムにおいて、正答率が一定値を超えれば、当該カリキュラムでの学習を達成したと判断してよい。よって、学習履歴H11によればユーザ100の学習コンテンツの習熟度を判定することが可能である。
評価部F13は、取得部F11で取得された姿情報に基づいてユーザ100の服装の評価を行うように構成される。特に、評価部F13は、姿情報に基づいてユーザ100の服装を特定し、ユーザ100の服装がユーザ100に合う服装かどうかに基づいて、ユーザ100の服装の評価を行う。
本実施形態では、姿情報は、ユーザ100の全身の画像である。したがって、姿情報には、ユーザ100の外観と、ユーザ100が身に着けている服装とが含まれ得る。評価部F13は、姿情報に含まれる、ユーザ100の外観から、ユーザ100の色と体格との少なくとも一方に関する分析を行ってよい。本実施形態では、評価部F13は、ユーザ100の色と体格とに関する分析を行う。なお、ユーザ100の色と体格とに関する分析は、生成部F12での分析と同様であってよい。また、生成部F12で既に分析が完了している場合には、評価部F13は、生成部F12から分析の結果を取得してもよいし、サーバ40の個人データベースD13から分析の結果を取得してもよい。
また、評価部F13は、姿情報に基づいてユーザ100の服装を特定する。本実施形態では、評価部F13は、姿情報が示すユーザの全身の画像からユーザ100の服装を抽出し、抽出した服装から服装情報を取得する。つまり、評価部F13は、姿情報に基づいて、ユーザ100が身に着けている服装の服装情報を取得する。つまり、評価部F13は、ユーザ100が身に着けている服装の服装情報を取得することによって、ユーザ100の服装を特定する。なお、ユーザの全身の画像からのユーザ100の服装の抽出は、周知の画像処理によって実現可能である。
評価部F13は、ユーザ100の服装の評価では、ユーザ100の色と体格とに関する分析の結果と、ユーザ100が身に着けている服装の服装情報とに基づいて、ユーザ100の服装がユーザに合う服装かどうかを判定する。一例として、評価部F13は、ユーザ100の服装がユーザに合う服装かどうかを、ユーザ100が身に着けている服装の服装情報と、分析の結果により得られたユーザ100に似合う服装の服装情報との一致度に基づいて判定する。評価部F13は、一致度が高ければ、ユーザ100の服装の評価を高く(評価を良く)し、一致度が低ければ、ユーザ100の服装の評価を低く(評価を悪く)してよい。
評価部F13での評価の結果は、記憶部24の評価履歴H12に蓄積される。評価の結果は、評価の対象と関連付けて評価履歴H12に蓄積される。評価の対象は、姿情報、及び、姿情報から得られたユーザ100が身に着けている服装の服装情報を含み得る。よって、評価履歴H12によれば、ユーザがどのような服装についてどのような評価を受けたかという情報を取得することができる。
生成部F12は、学習コンテンツの生成にあたっては、ユーザ100の服装の評価の結果の評価履歴H12を利用する。
生成部F12は、ユーザ100が学習コンテンツで未学習の服装に関して、評価履歴H12に良い評価があれば、ユーザ100が学習コンテンツで未学習の服装に関する学習コンテンツを生成する。これによって、ユーザ100が既に良い評価をもらっている服装に関して、習熟度を深めることが可能となる。つまり、ユーザ100の得意な分野の服装に関する知識を深めることが可能となる。例えば、クラスAのユーザ100について、カリキュラム2に含まれる服装に関して評価履歴H12に良い評価があれば、生成部F12は、学習コンテンツA2を選択してよい。一方、生成部F12は、ユーザ100が学習コンテンツで未学習の服装に関して、評価履歴H12に高い評価がなければ、学習履歴H11から得られる学習の習熟度に応じて、学習コンテンツを生成してよい。例えば、クラスAのユーザ100について、カリキュラム2まで終了していれば、生成部F12は、カリキュラム3に対応する学習コンテンツA3を選択してよい。
また、生成部F12は、ユーザ100が学習コンテンツで学習済みの服装に関して、評価履歴H12に悪い評価があれば、ユーザ100が学習コンテンツで学習済みの服装に関する学習コンテンツを生成する。これによって、ユーザ100が既に悪い評価をもらっている服装に関して、習熟度を深めることが可能となる。つまり、ユーザ100の不得意な分野の服装に関する知識を補強することが可能となる。例えば、クラスBのユーザ100について、カリキュラム3に含まれる服装に関して評価履歴H12に悪い評価があれば、生成部F12は、学習コンテンツB3を選択してよい。一方、生成部F12は、ユーザ100が学習コンテンツで学習済みの服装に関して、評価履歴H12に悪い評価がなければ、学習履歴H11から得られる学習の習熟度に応じて、学習コンテンツを生成してよい。例えば、クラスBのユーザ100について、カリキュラム3まで終了していれば、生成部F12は、カリキュラム4に対応する学習コンテンツB4を選択してよい。
また、生成部F12は、ユーザ100の服装の評価の結果の評価履歴H12を利用して、学習コンテンツのユーザ100に合う服装に関する問題に、学習コンテンツの補足情報を含めてよい。学習コンテンツの補足情報は、ユーザ100の服装の評価の結果の評価履歴H12に基づいて生成される。補足情報は、問題についてのヒントとなる文章であってよい。なお、補足情報は、必ずしも文章ではなく、ヒントになる画像であってもよい。例えば、生成部F12は、評価履歴H12から、問題の対象となっている服装に対応する服装情報についての評価の結果を抽出し、抽出した評価の結果に基づいて、補足情報を生成してよい。なお、生成部F12は、評価履歴H12に利用可能な評価の結果がない場合には、補足情報を生成しない。
図3及び図4は、学習コンテンツの一例を示す。ここでの学習コンテンツは、服装の色に関する多肢選択式問題である。図3は、多肢選択式問題を提示する問題提示画面P11であり、図4は、問題の解答を提示する解答画面P12である。問題提示画面P11は、設問文領域R110と、複数(図4では3つ)の選択肢領域R111~R113と、追加領域R114を含む。設問文領域R110は、設問文を表示する領域である。図3では、設問文は、「ウォームタイプ、身長低めでぽっちゃり&がっしりなあなたに似合う赤色系の服は?」という文章である。ここで、「ウォームタイプ、身長低めでぽっちゃり&がっしりなあなた」という文章が、生成部F12での分析の結果を提示している。複数の選択肢領域R111~R113のそれぞれは、選択肢を表示する領域である。図3から明らかなように、選択肢は、服装の画像を含んでいる。ここでは、選択肢領域R111が正解肢、残りの選択肢領域R112,R113が誤答肢である。追加領域R114は、補足情報を表示する領域である。図3では、追加領域R114は、第1領域R114aと第2領域R114bとを含む。第1領域R114aは、ユーザ100の関心を学習コンテンツの補足情報に集めるために用いられている。図3の例では、「ヒント!」という文章が第1領域R114aには表示されている。第2領域R114bは、学習コンテンツの補足情報の表示に用いられている。補足情報は、「××月××日に着ていた服に、何かアドバイスをもらった気がする・・!?」という文章である。この補足情報によって、ユーザ100の過去の評価の結果に関する記憶を呼び起こして、ユーザ100を正解肢に導くことが可能である。
解答画面P12は、解答領域R120と、解説領域R121とを含む。解答領域R120は、多肢選択式問題の解答を表示する領域である。本例では、選択肢領域R111が正解肢であるから、解答領域R120は、選択肢領域R111と同じ内容である。解説領域R121は、多肢選択式問題の解説を表示する領域である。図4では、解説は、「ウォームタイプ、身長低めでぽっちゃり&がっしりな方におすすめは明るく・ライトな赤色の服です。」という文章である。ここで、「ウォームタイプ、身長低めでぽっちゃり&がっしりな方」という文章は、生成部F12での分析の結果を提示している。したがって、ユーザ100は、学習コンテンツの多肢選択式問題に挑戦することによって、ユーザ100に合った服装の学習をすることが可能である。
提示部F14は、取得部F11で取得された身体情報、及び、ユーザの服装の評価の結果の評価履歴H12に基づいて生成される、ユーザ100に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部として機能する。つまり、提示部F14は、取得部F11で取得された身体情報、及び、ユーザの服装の評価の結果の評価履歴H12に基づいて生成される、ユーザ100に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示ステップを実行する。本実施形態では、学習コンテンツは、生成部F12で生成される。よって、提示部F14は、生成部F12で生成される学習コンテンツを提示する。特に、提示部F14は、提示装置20の表示装置221により学習コンテンツを提示する。より詳細には、提示部F14は、表示装置221の表示画面2210の表示領域A10に、学習コンテンツを提示する。上述したように、学習コンテンツは、多肢選択式問題であり、ユーザ100は、提示装置20の入力部21を利用して、多肢選択式問題に対する回答を入力することが可能である。したがって、ユーザ100は、提示装置20の表示画面2210を見ながら、ユーザ100に合う服の学習が可能である。
また、提示部F14は、取得部F11で取得された姿情報に基づいて行われるユーザ100の服装の評価の結果を、ユーザ100に合う服装を学習するための学習コンテンツによる学習の学習履歴H11に基づく態様で提示する評価結果提示部として機能する。つまり、提示部F14は、取得部F11で取得された姿情報に基づいて行われるユーザ100の服装の評価の結果を、ユーザ100に合う服装を学習するための学習コンテンツによる学習の学習履歴H11に基づく態様で提示する評価結果提示ステップを実行する。本実施形態では、提示部F14は、学習履歴H11から得られる、評価部F13で特定されたユーザ100の服装に関するユーザ100の学習の習熟度に基づいて、ユーザ100の服装の評価の結果の提示の態様を決定する。
提示の態様は、評価の結果の伝え方の態様を含む。一例としては、提示部F14は、学習履歴H11から得られる、評価部F13で特定されたユーザ100の服装に関するユーザ100の学習の習熟度に基づいて、評価の結果とともに提示する評価の結果の補足情報を決定する。
例えば、学習コンテンツにより学習済みの服装に関して、評価の結果が高ければ、学習したことが実践できていることが伝わるように、評価の結果を提示する。一例としては、評価の結果の補足情報として「○○の実践ができていますね」といった文章を、評価の結果と合わせて提示する。逆に、学習コンテンツにより学習済みの服装に関して、評価の結果が低ければ、学習したことが実践できていないことが伝わるように、評価の結果を提示する。一例としては、「○〇月〇〇日のクイズに××と書いていましたね」といった文章を、評価の結果と合わせて提示する。
また、学習履歴H11では学習の習熟度が低い服装に関して、評価の結果が高ければ、学習の効果があったことが伝わるように、評価の結果を提示する。一例としては、評価の結果の補足情報として「あの時間違っていたけど、ちゃんとできていますね」といった文章を、評価の結果と合わせて提示する。逆に、学習履歴H11では学習の習熟度が高い服装に関して、評価の結果が低ければ、学習したことが実践できていないことが伝わるように、評価の結果を提示する。特に、提示部F14は、提示装置20の表示装置221により評価の結果を提示する。より詳細には、提示部F14は、表示装置221の表示画面2210の表示領域A10に、評価の結果を提示する。したがって、ユーザ100は、提示装置20の表示画面2210を見ながら、ユーザ100に合う服の学習が可能である。
図5は、評価の結果の一例を示す。図5は、評価の結果を提示する評価結果提示画面P13である。評価結果提示画面P13は、姿情報提示領域R130と、服装情報提示領域R131と、評価結果提示領域R132と、補足領域R133とを含む。姿情報提示領域R130は、姿情報を提示する領域である。図5では、姿情報として、ユーザ100の全身の画像が表示されている。つまり、姿情報提示領域R130は、ユーザ100の服装の外観を表示するための領域である。服装情報提示領域R131は、姿情報から特定したユーザ100の服装についての情報を提示する領域である。つまり、服装情報提示領域R131は、ユーザ100の服装についての説明を表示するための領域である。評価結果提示領域R132は、ユーザ100の服装の評価の結果を提示するための領域である。評価結果提示領域R132は、第1領域R132aと第2領域R132bとを含む。第1領域R132aは、ユーザ100の関心を評価の結果に集めるために用いられている。図3の例では、「ひとこと」という文章が第1領域R132aには表示されている。第2領域R132bは、評価の結果の表示に用いられている。補足領域R133は、評価の結果の補足情報を提示するための領域である。補足領域R133は、第1領域R133aと第2領域R133bとを含む。第1領域R133aは、ユーザ100の関心を評価の結果の補足情報に集めるために用いられている。図5の例では、「ヒント!」という文章が第1領域R133aには表示されている。第2領域R133bは、評価の結果の補足情報の表示に用いられている。補足情報は、「××月××日のクイズであなたに似合うスカート丈について学習したよ!」という文章である。この補足情報によって、ユーザ100の過去の学習に関する記憶を呼び起こして、ユーザ100に再学習を促すことが可能である。
1.3 動作
1.3.1 服装学習方法
次に、服装学習評価システム10が実行する服装学習方法について図6のフローチャートを参照して簡単に説明する。まず、服装学習評価システム10では、取得部F11がユーザ100の身体情報を取得する(S11)。ここでは、取得部F11が、ユーザ100の身体情報を、入力システム30から取得することができる。次に、生成部F12は、ユーザ100の色及び体格に関する分析を行う。これによって、ユーザ100の色の分類の結果、及び、ユーザ100の体格の分類の結果が得られる。そして、生成部F12は、ユーザ100の色の分類の結果及びユーザ100の体格の分類の結果に基づいて、ユーザ100に合う服装を決定する(S12)。生成部F12は、ユーザ100についての評価履歴H12を取得する(S13)。更に、生成部F12は、ユーザ100に合う服装、及び、評価履歴H12に基づいて、設問文、正解肢、誤答肢、解説、及び補足情報を生成する。これによって、生成部F12は、学習コンテンツを生成する(S14)。提示部F14は、生成部F13で生成された学習コンテンツを、表示装置221の表示画面2210に提示する(S15)。これによって、ユーザ100は自身に合う服装の学習が可能となる。なお、図6のフローチャートはあくまでも服装学習方法の一例であり、ステップS13,S14は同時に実行され得る。
1.3.2 服装評価方法
次に、服装学習評価システム10が実行する服装評価方法について図7のフローチャートを参照して簡単に説明する。まず、服装学習評価システム10では、取得部F11がユーザ100の姿情報を取得する(S21)。ここでは、取得部F11が、ユーザ100の姿情報を、入力システム30から取得することができる。次に、評価部F13は、ユーザ100の色及び体格に関する分析を行う。これによって、ユーザ100の色の分類の結果、及び、ユーザ100の体格の分類の結果が得られる(S22)。更に、評価部F13は、ユーザの服装の評価を行う(S23)。ここでは、評価部F13は、姿情報に基づいてユーザ100の服装を特定する。そして、評価部F13は、ユーザ100の色と体格とに関する分析の結果と、ユーザ100が身に着けている服装の服装情報とに基づいて、ユーザ100の服装がユーザに合う服装かどうかを判定する。提示部F14は、ユーザ100についての学習履歴H11を取得する(S24)。提示部F14は、評価部F13での評価の結果を、ユーザ100に合う服装を学習するための学習コンテンツによる学習の学習履歴H11に基づく態様で、表示装置221の表示画面2210に提示する(S25)。これによって、ユーザ100は自身に合う服装の学習が可能となる。なお、図7のフローチャートはあくまでも服装評価方法の一例であり、ステップS22,S23は同時に実行され得る。
1.4 まとめ
以上述べた服装学習評価システム10は、図2に示すように、取得部F11と、提示部F14とを備える服装学習システム(提示装置20)を含む。取得部F11は、ユーザ100(図1参照)の身体情報を取得する身体情報取得部として機能する。提示部F14は、身体情報取得部(取得部F11)で取得された身体情報、及び、ユーザ100の服装の評価の結果の評価履歴H12に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部として機能する。このような服装学習システムによれば、ユーザ100が自身に合った服装の学習を行える。
そして、服装学習評価システム10は、上述したように服装学習方法を実行している。服装学習方法は、身体情報取得ステップS11と、学習コンテンツ提示ステップS15とを含む。身体情報取得ステップS11は、ユーザ100の身体情報を取得するステップである。学習コンテンツ提示ステップS15は、身体情報取得ステップS11で取得された身体情報、及び、ユーザ100の服装の評価の結果の評価履歴H12に基づいて生成される、ユーザ100に合う服装を学習するための学習コンテンツを提示するステップである。このような服装学習方法によれば、服装学習システムと同様に、ユーザ100が自身に合った服装の学習を行える。
ところで、服装学習評価システム10は、1以上のプロセッサにより実現されている。つまり、服装学習システム(提示装置20)は、1以上のプロセッサがプログラム(服装学習プログラム)を実行することにより実現される。このプログラムは、1以上のプロセッサに、服装学習方法を実行させるためのプログラム(コンピュータプログラム)である。このようなプログラムによれば、服装学習方法と同様に、ユーザが自身に合った服装の学習を行える。
また、以上述べた服装学習評価システム10は、図2に示すように、取得部F11と、提示部F14とを備える服装評価システム(提示装置20)を含む。取得部F11は、ユーザ100の姿情報を取得する姿情報取得部として機能する。提示部F14は、姿情報取得部(取得部F11)で取得された姿情報に基づいて行われるユーザ100の服装の評価の結果を、ユーザ100に合う服装を学習するための学習コンテンツによる学習の学習履歴H11に基づく態様で提示する評価結果提示部として機能する。このような服装評価システムによれば、ユーザ100が自身に合った服装の学習を行える。
そして、服装学習評価システム10は、上述したように服装評価方法を実行している。服装評価方法は、姿情報取得ステップS21と、評価結果提示ステップS25とを含む。姿情報取得ステップS21は、ユーザ100の姿情報を取得するステップである。評価結果提示ステップS25は、姿情報取得ステップS21で取得された姿情報に基づいて行われるユーザ100の服装の評価の結果を、ユーザ100に合う服装を学習するための学習コンテンツによる学習の学習履歴H11に基づく態様で提示するステップである。このような服装評価方法によれば、服装評価システムと同様に、ユーザ100が自身に合った服装の学習を行える。
ところで、服装学習評価システム10は、1以上のプロセッサにより実現されている。つまり、服装評価システム(提示装置20)は、1以上のプロセッサがプログラム(服装評価プログラム)を実行することにより実現される。このプログラムは、1以上のプロセッサに、服装評価方法を実行させるためのプログラム(コンピュータプログラム)である。このようなプログラムによれば、服装評価方法と同様に、ユーザが自身に合った服装の学習を行える。
2.変形例
本開示の実施形態は、上記実施形態に限定されない。上記実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施形態の変形例を列挙する。
2.1 変形例1
図8は、変形例1の服装学習評価システム10Aを示す。服装学習評価システム10Aは、提示装置20Aと、入力システム30と、サーバ40Aとを備える。提示装置20Aは、取得部F11、生成部F12、及び評価部F13を備えていない点で、提示装置20と相違する。逆に、サーバ40Aは、取得部F11、生成部F12、及び評価部F13を備えている点で、サーバ40と相違する。つまり、服装学習評価システム10Aでは、提示装置20Aではなくサーバ40Aが、服装学習システムとしての機能(服装学習機能)及び服装評価システムとしての機能(服装評価機能)を有する。変形例1によれば、提示装置20Aでの処理負荷の低減が図れる。
2.2 変形例2
図9及び図10は、変形例2の服装学習評価システム10Bを示す。服装学習評価システム10Bは、第1提示装置20Bと、第2提示装置60と、入力システム30と、サーバ40とを備える。
第1提示装置20Bは、図9に示すように、表示画面2210に画像を表示する表示装置221と、表示画面2210に重ねて配置されるハーフミラー222とを有する。ここで、表示装置221は、洗面台の鏡として利用可能な大きさである。第1提示装置20Bは、図10に示すように、入力部21と、出力部22と、通信部23と、記憶部24Bと、処理部25Bとを備える。記憶部24Bは、学習履歴H11を記憶するが、評価履歴H12を記憶していない点で、記憶部24と相違する。また、処理部25Bは、身体情報取得部F15と、生成部F12と、学習コンテンツ提示部F16とを備える。身体情報取得部F15は、提示装置20の取得部F11の身体情報取得部としての機能と同じである。学習コンテンツ提示部F16は、提示装置20の提示部F14の学習コンテンツ提示部としての機能と同じである。
第2提示装置60は、図9に示すように、表示画面6210に画像を表示する表示装置621と、表示画面6210に重ねて配置されるハーフミラー622とを有する。ここで、表示装置621は、姿見として利用可能な大きさである。更に、第2提示装置60は、図10に示すように、入力部61と、出力部62と、通信部63と、記憶部64と、処理部65とを備える。入力部61と、出力部62と、通信部63と、記憶部64とは、入力部21と、出力部22と、通信部23と、記憶部24と同様である。ただし、記憶部64は、評価履歴H12を記憶するが、学習履歴H11を記憶していない。また、処理部65Bは、姿情報取得部F17と、評価部F13と、評価結果提示部F18とを備える。姿情報取得部F17は、提示装置20の取得部F11の姿情報取得部としての機能と同じである。評価結果提示部F18は、提示装置20の提示部F14の評価結果提示部としての機能と同じである。
つまり、服装学習評価システム10Bでは、提示装置20の機能が、第1提示装置20Bと第2提示装置60とに分けられている。より詳細には、提示装置20の服装学習機能が第1提示装置20Bにより実現され、提示装置20の服装評価機能が第2提示装置60により実現されている。よって、服装学習評価システム10Bでは、第1提示装置20Bが服装学習システムとして機能し、第2提示装置60が服装評価システムとして機能する。このように、服装学習システムと服装評価システムとは異なる実行主体により実行され得る。
2.3 その他の変形例
一変形例では、入力システム30は、1以上の画像入力装置31及び1以上の情報入力装置32を有していてよい。ただし、一変形例では、提示装置20は、入力部21により、ユーザ情報の入力を受け付けてよい。要するに、提示装置20は、入力システム30としても機能してよい。この場合、入力システム30は必須ではない。
一変形例では、提示装置20は、サーバ40の記憶部42と同様の記憶部を有し、服装データベースD11、コンテンツデータベースD12、及び個人データベースD13を備えていてよい。つまり、提示装置20は、サーバ40としての機能を有していてもよい。この場合、サーバ40は必須ではない。
一変形例では、提示装置20は、必ずしも、デジタルミラーである必要はない。提示装置20は、取得部F11及び提示部F14を備えることができればよい。提示装置20は、スマートフォン、タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータにより実現され得る。この点は、提示装置20A、第1提示装置20B、及び第2提示装置60についても同様である。
一変形例では、ユーザ100の色に関する情報は、画像入力装置31ではなく、情報入力装置32により直接的に入力されてよい。また、一変形例では、ユーザ100の体格に関する情報は、情報入力装置32により入力された情報ではなく、画像入力装置31で入力されたユーザ100の全身の画像から取得されてもよい。
一変形例では、ユーザ100の色に関する分析では、ユーザ100の肌の色だけではなく、ユーザ100の髪の色や瞳の色を利用可能である。なお、ユーザ100の肌の色は生まれつきの色である必要はなく、化粧後や日焼け後の色であってもよい。同様に、ユーザ100の髪の色は生まれつきの色である必要はなく、染色後の色や、ウィッグ等の色であってもよい。また、ユーザ100の瞳の色は生まれつきの色である必要はなく、カラーコンタクトの色であってもよい。
一変形例では、ユーザ100の体格に関する分析では、ユーザ100の体型を判定してよい。ユーザの体型の例としては、カーヴィ体型、スレンダー体型、ナチュラルファット体型、オーバル体型、ストレート体型、マッスル体型、及びトライアングル体型が挙げられる。各体型には、よく見られる傾向があることが知られている。よって、ユーザ100の身長、体重、肉づき、及び骨格の少なくとも一つの情報に基づいて、ユーザ100の体型を判定することが可能である。そして、種々のファッション理論から、体型毎に、体型に合う服装のシルエットが決定可能である。
一変形例では、生成部F12は、身体情報に基づいて、ユーザ100の色と体格との少なくとも一方に関する分析を行えばよい。
一変形例では、生成部F12は、学習コンテンツの生成にあたって、ユーザ100の趣味・趣向に関する情報を利用してよい。ユーザ100の趣味・趣向に関する情報は、ユーザ100の服装の趣味・趣向(服装の色、服装の模様、服装の形状、服装の種類等)が挙げられる。この場合、生成部F12は、ユーザ100に合う服装の決定にあたって、ユーザ100の趣味・趣向に関する情報に基づき、ユーザ100の趣味・趣向に合う服装からユーザ100に合う服装を選択してよい。
一変形例では、生成部F12は、学習コンテンツの生成にあたって、トレンドに関する情報を利用してよい。この場合、生成部F12は、ユーザ100に合う服装の決定にあたって、トレンドに関する情報に基づき、トレンドに合う服装からユーザ100に合う服装を選択してよい。
一変形例では、評価部F13は、ユーザ100の服装の評価にあたって、トレンドに関する情報を利用してよい。この場合、評価部F13は、トレンドに関する情報に基づき、姿情報から特定したユーザ100の服装がトレンドに合っているかを評価の指標としてよい。
上記実施形態では、ユーザ100に合う服装に関する問題は、服装の属性をジャンルとして設定可能である。一変形例では、問題のジャンルをユーザ100が選択可能であってよい。つまり、ユーザ100は、学習したい服装のジャンルを入力することで、入力したジャンルに対応する学習コンテンツで服装の学習が可能となる。
上記実施形態では、ユーザ100に合う服装に関する問題は、単純択一形式の多肢選択式問題であるが、これに限定されず、多真偽形式の多肢選択式問題であってもよい。一変形例では、ユーザ100に合う服装に関する問題は、多肢選択式問題に限定されず、記述問題等の種々の設問形式を採用可能である。
上記実施形態では、服装学習評価システム10は、ユーザ100に合った服装、特に、衣服についての学習を可能とする。一変形例では、服装学習評価システム10は、ユーザ100に合った装身具についての学習を可能としてよい。よって、服装学習評価システム10は、ユーザ100に合った服装(衣服及び装身具)の組み合わせ(コーディネート)の学習を可能としてよい。
一変形例では、服装学習評価システム10は、複数のコンピュータにより構成されていてもよい。例えば、提示装置20及びサーバ40の機能(特に、取得部F11、生成部F12、評価部F13、及び提示部F14)は、複数の装置に分散されていてもよい。更に、服装学習評価システム10の機能の少なくとも一部が、例えば、クラウド(クラウドコンピューティング)によって実現されていてもよい。この点は、服装学習評価システム10A,10Bについても同様である。
以上述べた服装学習システム、服装評価システム、及び服装学習評価システムの実行主体は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを有する。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における服装学習システム、服装評価システム、及び服装学習評価システムの実行主体としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されていてもよいが、電気通信回線を通じて提供されてもよい。また、プログラムは、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的な記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路(IC)又は大規模集積回路(LSI)を含む1乃至複数の電子回路で構成される。LSIの製造後にプログラムされる、フィールド・プログラマブル・ゲート・アレイ(FGPA)、ASIC(application specific integrated circuit)、又はLSI内部の接合関係の再構成又はLSI内部の回路区画のセットアップができる再構成可能な論理デバイスも同じ目的で使うことができる。複数の電子回路は、1つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、1つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。
3.態様
上記実施形態及び変形例から明らかなように、本開示は、下記の態様を含む。以下では、実施形態との対応関係を明示するためだけに、符号を括弧付きで付している。
第1の態様は、服装学習システム(20;40A;20B)であって、ユーザ(100)の身体情報を取得する身体情報取得部(F11;F15)と、前記身体情報取得部(F11;F15)で取得された前記身体情報、及び、前記ユーザ(100)の服装の評価の結果の評価履歴(H12)に基づいて生成される、前記ユーザ(100)に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部(F14;F16)と、を備える。この態様によれば、ユーザ(100)が自身に合った服装の学習を行える。
第2の態様は、第1の態様に基づく服装学習システム(20;40A;20B)である。第2の態様では、前記服装学習システム(20;40A;20B)は、前記身体情報に基づいて、前記ユーザ(100)の色と体格との少なくとも一方に関する分析を行い、前記分析の結果に基づいて前記ユーザ(100)に合う服装を決定し、前記学習コンテンツを生成する生成部(F12)を更に備える。この態様によれば、ユーザ(100)に合う服装の決定の精度が高まる。
第3の態様は、第2の態様に基づく服装学習システム(20;40A;20B)である。第3の態様では、前記生成部(F12)は、前記ユーザ(100)が前記学習コンテンツで未学習の服装に関して、前記評価履歴(H12)に良い評価があれば、前記ユーザ(100)が前記学習コンテンツで未学習の服装に関する前記学習コンテンツを生成する。この態様によれば、ユーザ(100)の学習の効果を高めることができる。
第4の態様は、第2又は第3の態様に基づく服装学習システム(20;40A;20B)である。第4の態様では、前記生成部(F12)は、前記ユーザ(100)が前記学習コンテンツで学習済みの服装に関して、前記評価履歴(H12)に悪い評価があれば、前記ユーザ(100)が前記学習コンテンツで学習済みの服装に関する前記学習コンテンツを生成する。この態様によれば、ユーザ(100)の学習の効果を高めることができる。
第5の態様は、第1~第4の態様のいずれか一つに基づく服装学習システム(20;40A;20B)である。第5の態様では、前記学習コンテンツは、前記ユーザ(100)に合う服装に関する問題を含む。前記問題は、設問文と、前記ユーザ(100)の服装の評価の結果の評価履歴(H12)に基づいて生成される補足情報と、を含む。この態様によれば、ユーザ(100)の学習の効果を高めることができる。
第6の態様は、服装評価システム(20;40A;60)であって、ユーザ(100)の姿情報を取得する姿情報取得部(F11;F17)と、前記姿情報取得部(F11;F17)で取得された前記姿情報に基づいて行われる前記ユーザ(100)の服装の評価の結果を、前記ユーザ(100)に合う服装を学習するための学習コンテンツによる学習の学習履歴(H11)に基づく態様で提示する評価結果提示部(F14;F18)と、を備える。この態様によれば、ユーザ(100)が自身に合った服装の学習を行える。
第7の態様は、第6の態様に基づく服装評価システム(20;40A;60)である。第7の態様では、前記服装評価システム(20;40A;60)は、前記姿情報に基づいて前記ユーザ(100)の服装を特定し、前記ユーザ(100)の服装が前記ユーザ(100)に合う服装かどうかに基づいて、前記ユーザ(100)の服装の評価を行う評価部(F13)を更に備える。この態様によれば、ユーザ(100)の服装の評価の精度が高まる。
第8の態様は、第7の態様に基づく服装評価システム(20;40A;60)である。第8の態様では、前記評価部(F13)は、前記ユーザ(100)の色と体格との少なくとも一方に関する分析の結果に基づいて、前記ユーザ(100)の服装が前記ユーザ(100)に合う服装かどうかを判定する。この態様によれば、ユーザ(100)の服装の評価の精度が高まる。
第9の態様は、第7又は第8の態様に基づく服装評価システム(20;40A;60)である。第9の態様では、前記評価結果提示部(F14;F18)は、前記学習履歴(H11)から得られる、前記評価部(F13)で特定された前記ユーザ(100)の服装に関する前記ユーザ(100)の学習の習熟度に基づいて、前記ユーザ(100)の服装の評価の結果の提示の態様を決定する。この態様によれば、ユーザ(100)の学習の効果を高めることができる。
第10の態様は、服装学習評価システム(10;10A;10B)であって、第1~第5の態様のいずれか一つの服装学習システム(20;40A;20B)と、第6~第9の態様のいずれか一つの服装評価システム(20;40A;60)と、を備える。この態様によれば、ユーザ(100)が自身に合った服装の学習を行える。
第11の態様は、第10の態様に基づく服装学習評価システム(10;10A;10B)である。第11の態様では、前記服装学習システム(20;40A;20B)は、前記服装評価システム(20;40A;60)から前記評価履歴(H12)を取得する。前記服装評価システム(20;40A;60)は、前記服装学習システム(20;40A;20B)から前記学習履歴(H11)を取得する。この態様によれば、ユーザ(100)の学習の効果を高めることができる。
第12の態様は、電子ミラー(20;20a;20b,60)であって、第1~第5の態様のいずれか一つの服装学習システム(20;40A;20B)の学習コンテンツ提示部(F14;F16)と第6~第9の態様のいずれか一つの服装評価システム(20;40A;60)の評価結果提示部(F14;F18)との少なくとも一方を備える。この態様によれば、ユーザ(100)が自身に合った服装の学習を行える。
第13の態様は、服装学習方法であって、ユーザ(100)の身体情報を取得する身体情報取得ステップ(S11)と、前記身体情報取得ステップ(S11)で取得された前記身体情報、及び、前記ユーザ(100)の服装の評価の結果の評価履歴(H12)に基づいて生成される、前記ユーザ(100)に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示ステップ(S15)と、を含む。この態様によれば、ユーザ(100)が自身に合った服装の学習を行える。
第14の態様は、服装評価方法であって、ユーザ(100)の姿情報を取得する姿情報取得ステップ(S21)と、前記姿情報取得ステップ(S21)で取得された前記姿情報に基づいて行われる前記ユーザ(100)の服装の評価の結果を、前記ユーザ(100)に合う服装を学習するための学習コンテンツによる学習の学習履歴(H11)に基づく態様で提示する評価結果提示ステップ(S25)と、を含む。この態様によれば、ユーザ(100)が自身に合った服装の学習を行える。
第15の態様は、プログラムであって、1以上のプロセッサに、第13の態様の服装学習方法と第14の態様の服装評価方法との少なくとも一方を実行させるためのプログラムである。この態様によれば、ユーザ(100)が自身に合った服装の学習を行える。