[1D3-GS-7] 画像音声メディア処理：

[1D3-GS-7-02] マルチモーダルEmbeddingsによるECサイト画像のスタイル分析

〇葛木 美紀¹、田中 謙司¹ (1. 東京大学大学院)

キーワード：大規模言語モデル、エンベディング、クラスタリング

Eコマース市場の成長と技術の進化により、消費者の詳細な購買行動分析や好みの理解は重要な課題となっており、特に、製品画像の視覚的な魅力が消費者エンゲージメントにおいて重要な役割を果たしている。 この研究では、ECサイトにおけるアート画像のスタイルやニュアンスを捉えるためにマルチモーダル Embeddings を利用し、画像のスタイル分析を行った。具体的には、COCA (Contrastive Captioners are Image-Text Foundation Models) を採用することで、製品画像の複雑なパターンやスタイル要素を反映するマルチモーダル Embeddings を抽出し、クラスタリングにより画像を個別のスタイル グループに分類した。分析の結果、マルチモーダル Embeddings が画像スタイルの微妙な変化を効果的に検出する能力を持っていることが明らかになた。また、このような生成 AI の活用により、消費者が好む画像の特徴についての理解が向上する可能性が示唆された。