Enhancing LLM based Personalized Fashion Suggestions Through AI-Driven Body Feature Analysis

Abstract

Traditional fashion suggestion has focused on reflecting consumers’ preferences or torso shapes. However, these approaches are limited in capturing fine-grained aspects of individual fit. To address this issue, we propose a method that utilizes AI to automatically label detailed body features from full- body images and recommends personalized fashion items based on these characteristics. To assess the effectiveness of our approach, we conducted an end-user evaluation with 16 participants where they were asked to label their own body features like shoulder width. When compared to labels annotated by our AI model from their full-body images, the results showed that AI provided more accurate assessments than their self-assessments. Furthermore, suggestions based on fine-grained body features (e.g., Shoulder width and Leg-Torso ratio) were rated higher than those based on torso shapes (e.g., Rectangle and Hourglass) in terms of personalization level, understandability, and satisfaction. We also conducted an expert evaluation, which confirmed that our method achieved superior performance in both suggestion accuracy and quality of the reasoning.;기존의 패션 추천 연구는 주로 소비자의 선호도를 반영하는 방식이나 직사각형, 모래시 계형 등의 상반신 체형에 따라 분류하는 방식에 주목해 왔다. 그러나 이러한 접근법은 개인별 신체의 세밀한 특징을 포착하는 데 한계가 있다. 본 연구에서는 전신 이미지를 활용해 AI가 어깨 너비, 상하체 비율 등 세밀한 신체 특징을 자동으로 라벨링하고, 이를 바탕으로 개인화된 패션 아이템을 추천하는 방법을 제안한다. 제안한 방법의 효과를 검증하기 위해 16명의 참가자를 대상으로 한 사용자 평가를 실시하였다. 참가자들이 스스로 라벨링한 어깨 너비 등의 신체 특징과 AI모델이 전신 이미지를 바탕으로 한 라벨링을 비교한 결과, AI의 평가가 참가자의 자기 평가보다 더 높은 정확도를 보였다. 또한, 세밀한 신체 특징 기반 추천은 전통적인 상반신 체형 기반 추천에 비해 개인화 수준, 이해도, 만족도 면에서 유의미하게 높은 평가를 받았다. 전문가 평가에서도 본 방법이 추천 정확도와 추천 근거의 질 양쪽에서 우수한 성능을 달성함을 확인하였다.