Product

인공지능 기반 패션 브랜드 감성 추출 및 추천엔진
F.Storm 개요

F.Storm은 패션 사진의 의미적 속성인 하이엔드 패션 브랜드 감성을 표준화하여 데이터로 변환 후, 소비자의 선호를 보다 정확하게 측정하고 대응할 수 있습니다. 기존의 취향 기반 추천 서비스에서의 불만족스러웠던 매칭 경험을 해소하고자, 패션 착장 사진에서 감성적인 속성을 일관된 기준을 가지고 자동으로 측정하고 분류하여, 유사 감성의 상품이나 유사 감성의 사용자를 추천해 드립니다.

국내 최초 AI 기반 패션 브랜드 감성 분석엔진
서울대학교 의류학과와 공동으로 개발한 하이엔드 패션 브랜드 감성 분류엔진은
딥러닝 기술을 활용하여 11~25개 감성을 학습한 솔루션입니다.
패션 사진의 감성적인 속성을 정량화할 수 있습니다.
AI 패션 감성에 특화된 추천 서비스 기능
사용자가 업로드한 착장 이미지에서 아이템, 컬러 실루엣 정보 뿐 아니라 사용자의
감성 정보까지 파악하여, 유사 패션 상품을 매칭하여 줍니다.
빅데이터와 딥러닝 기술의 융합
딥러닝 기반의 최신 AI 인식 기술이 적용됩니다.
패션 런웨이 사진부터 Vogue(보그) 패션 잡지, 유명 패션 플랫폼 사이트에서
학습용 이미지를 자동으로 수집하고 감성별 특성을 지도학습한 기술입니다.
사용자가 관심있는 브랜드 감성을 관리
브랜드 감성은 축소, 확대가 자유롭습니다.
사용자가 타겟으로 하는 브랜드 감성 데이터를 추가로 수집하고 새롭게 학습할 수도 있습니다.

AI 패션 감성 추천엔진
F.Storm 주요 기능

F.Storm에는 다음과 같이 패션 상품과 사용자에 특화된 기능이 포함되어 있습니다.

  • 착장 사진의 브랜드 감성 추출

    딥러닝을 이용한 이미지 인식 기술을 사용하여, 착장 사진에서 11~25개의 브랜드 감성을 추출합니다.

  • 내 브랜드 감성 통계 확인

    패션상품 이미지를 일괄로 등록하여 어떤 패션 감성이 지배적인지 통계적으로 결과를 확인할 수 있습니다.

  • 인기 상품의 브랜드 감성 확인

    소진율, 정판율이 높은 자사 상품이나 경쟁사 인기상품이 어떤 감성인지를 통계적으로 확인할 수 있습니다.

  • 내 브랜드의 감성과 매칭률 높은 판로 발굴

    내 브랜드 감성이 잘 팔리는 쇼핑몰이나 인플루언서 발굴이 가능합니다.

  • 패션 브랜드 감성정보 리포트 확인

    패션 브랜드 감성이란 무엇인지? 브랜드 감성 별로 어떤 특성(컬러, 실루엣, 디테일 등)과 상품기획의 영감을 얻을 수 있는 유사 브랜드가 어떤 것인지 확인할 수 있습니다.

  • 사용자 특화 감성 구축

    나만의 패션 브랜드 감성을 데이터화하고, 학습할 수 있습니다.

AI패션 감성 추천엔진
F.Storm 주요화면

나만의 패션 브랜드 감성을 데이터화하고, 학습할 수 있습니다.

개인 컬렉션, 이미지 등록

유저 개인의 패션 이미지를 컬렉션으로 등록하는 기능입니다.먼저 컬렉션 생성 버튼을 눌러 컬렉션을 생성한 후에 이미지를 등록할 수 있습니다.

생성된 컬렉션 이미지 감성 분석

유저가 등록한 컬렉션 이미지들의 하이엔드 감성을 분석하는 기능입니다.

컬렉션 이미지의 분석 결과 확인

선택한 컬렉션 이미지들의 전체적인 하이엔드 감성 분류 결과를 확인할 수 있습니다.

AI 패션 감성 추천엔
F.Storm 장점

F.Storm은 2016년 이후 주요 런웨이 컬렉션과 공식홈페이지, 보그 잡지, 쇼핑몰 등에 수록된 약 3만 여장의 패션 이미지를 수집 후, 딥러닝 기술로 학습하여 착장 사진에서 브랜드 감성을 추출해 드립니다.

추천의
정확도 향상
단순한 구매 이력이나 상품 속성의 유사도를 기반 추천을 넘어 학습된 AI가 패션착장의 감성적인 면을 자동으로 추출하여 추천 로직에 반영함으로써 패션상품 추천의 정확도가 향상가능
트렌드 정보수집
비용 절감
유사 패션 감성 기반 트렌드 정보를 필터링함으로써 관심있는 패션 트렌드만 중점적으로 분석, 트렌드 정보수집 비용이 절감
이미지 기반 스마트한 데이터 관리
자사 상품의 이미지를 일관되고 빠른 속도로 데이터화 하고, 판매정보 등 기타 보유 데이터와 매칭하여 부가 서비스 창출이 가능
지능형 고객 관리를 통한 불필요한 마케팅 비용 절감
추천의 정확도가 향상되며, 사용자의 선호 적중률에 따라 마케팅이 가능, 불특정 다수의 소비자를 대상으로 하는 불필요한 마케팅 비용을 절감 가능