퍼스널 컬러 분석 기반의 메이크업 콘텐츠 추천 기법
관련링크
본문
최근 미용 산업 활성화와 더불어 소셜 미디어 확산으로 인해 아름다워지고자 하는 인간의 욕구가 과거보다 증대되어, 자신에게 어울리는 메이크업과 패션을 찾고자 하는 경향이 강해지고 있다. 이에 따라 자신을 돋보이게 하는 퍼스널 컬러가 주목받으면서 전문가에게 자신의 퍼스널 컬러를 진단받는 사람이 늘어나고 있다.
하지만, 퍼스널 컬러를 진단하기 위해서 대부분 사람은 컬러리스트나 관련 업체에 의존하는 경향을 보이며, 이들은 주관적인 판단으로 결정되기 때문에 객관적인 진단이 어려울 수 있고 진단에 따른 시간 소모가 발생한다. 그리하여 정확한 색상 수치를 활용한 퍼스널 컬러 진단방법이 필요하며, 추가로 개인에게 적합한 메이크업 콘텐츠를 추천하는 서비스가 필요하다.
본 연구는 다양한 이미지 분석방법들을 통하여 개인의 퍼스널 컬러를 자동으로 진단해주며, 진단된 결과에 따라 개인이 쉽게 따라 할 수 있고, 자신에게 어울리는 메이크업 콘텐츠를 자동으로 추천하는 기법을 개발한다.
● 퍼스널 컬러 분석
- 퍼스널 컬러의 톤을 결정하기 위해 피부 영역 분석을 수행한다. 먼저, 딥러닝 기반의 Semantic segmentation 모델을 사용하여 얼굴 영상에 대해 9-class(머리카락, 피부, 눈, 눈동자, 눈썹, 콧구멍, 입술, 입 안, 배경) 픽셀 단위 분류를 수행한 후, 피부 영역만 검출한다.
- 다음으로, 색상 정보를 얻기 위해 검출된 데이터에서 Lab 컬러 모델을 이용한다. Lab 컬러 모델은 디지털 장비의 색 특성과 관게없이 같은 색이 표현되며, L(Luminosity)은 명도 값으로 0~100 사이의 값을 가진다. 이는 쿨톤과 웜톤을 결정하는 중요한 요소로 사용된다.
● 메이크업 콘텐츠 추천
- 개인 맞춤형 메이크업 콘텐츠를 추천하기 위하여 자신의 퍼스널 컬러와 신체색상 데이터를 이용하여 태그를 생성한다. 진단받은 퍼스널 컬러에 해당하는 단어와 연예인을 태그로 추가하여 비슷한 타입을 갖은 메이크업이나 연예인 메이크업에 대한 정보를 추천한다.
- 또한, 신체영역의 Lab 컬러를 태그화하여 특징마다 하나 이상의 유사한 색상 관용어를 태그에 추가함으로써, 사용자에게 느껴지는 분위기나 인상을 제공 및 가장 어울리는 메이크업을 추천한다.
- 메이크업 콘텐츠를 추천하기 위하여 동영상 공유 소셜 네트워크 서비스인 유튜브를 이용하여 미용 유튜버가 올린 콘텐츠의 메타데이터를 수집한다. 콘텐츠는 사용자의 퍼스널 컬러를 기본으로 하고 나머지 태그들은 TF-IDF를 사용하여 사용자에게 가장 적합한 메이크업 콘텐츠를 추천한다.