Y2Kファッションのリバイバルと未来のトレンド予測に挑む
近年、SNSやファッション業界で「Y2Kファッション」という言葉をよく耳にします。Y2Kは「Year 2000」の略で、2000年代初頭に流行したスタイルを指します。この時期のファッションは、テクノロジーの進化と新たなミレニアムの到来を反映し、メタリックな素材やビビッドな色彩、未来的なデザインが特徴です。
ファッショントレンドの20年周期説
ファッションの世界では、トレンドが約20年ごとにリバイバルすると言われています。この周期的なトレンドの復活は、過去のスタイルが再び注目されることによって起こります。デザイナーやスタイリストが自分たちの若かった時期のファッションを参考にすることが、その背景とされています。
研究の目的とアプローチ
私の卒業研究では、過去のトレンドを分析し、未来のトレンドを予測することを目指しています。特に、20年前のファッションスタイルを元にして、現代のトレンドを予測できるかどうかに挑戦しています。
GAN（敵対生成ネットワーク）とは？
GANは、画像生成の分野で革新的な技術であり、生成ネットワークと識別ネットワークが競い合う構造を持ちます。生成ネットワークがリアルな画像を作り、識別ネットワークがそれを評価することで、精度が高い生成が可能になります。
StyleGANとその仕組み
StyleGANは、特にスタイルの変化を柔軟に操作できるため、ファッションのトレンド予測に最適です。画像の特徴を制御し、スタイルを微調整することで、過去のファッションから未来のトレンドを予測することが可能です。
StyleGAN2-ADAの活用
StyleGAN2-ADAは、少ないデータでも高品質な画像を生成できるように設計されており、ファッションデザインに関しても、よりリアルな生成が可能です。
実験方法
データ収集
- ファッション雑誌: 20年以上の過去のファッション雑誌や広告から画像を収集し、年代別にデータを分けて収集します。
- インターネットやソーシャルメディア: 過去のファッショントレンド画像をSNSやインターネットから収集。
- ブランドのルックブックなど: 著名なデザイナーの作品やファッションショーからデータを収集します。
データの前処理
StyleGANを使用するため、画像の解像度やフォーマットを統一し、不要な背景やノイズを除去します。人物のみを切り出して、モデルに学習させやすいデータを作成します。
モデルの学習
収集したファッションデータを用いて、StyleGANのモデルを学習させます。この段階で、過去のファッションスタイルの変遷を学習し、トレンド予測に役立てます。
スタイルベクトルの解析
StyleGANの潜在空間（W空間）を解析し、ファッションスタイルをベクトルで表現。これを用いて、次に流行するスタイルを予測します。
過去から未来への変遷を可視化
- 時系列データの解析: 1990年代から2020年代までのデータを解析し、スタイルの変化を学習。次の10年間のトレンド予測を試みます。
- リバイバル予測: ファッションの20年周期のリバイバルを予測し、過去のトレンドが再び流行するタイミングをスタイルベクトルで予測します。
評価指標の使用
生成されたトレンド予測の精度を評価するため、FID（Fréchet Inception Distance）などの指標を使用し、リアリティを測定します。
学習結果の画像
