ECやフリマの普及により衣服をネットで購入することは当たり前になったが、ユーザの体格・体形とのフィット性を確認するニーズに対するソリューションは未だ完全ではない。 簡易で正確な体格・体形のスキャニングに基づいて衣服のフィット性を確認できる新サービスの事業提案に対して、ファッションファネル領域の最新のサービス・技術動向を特許等の知財分析を通じて紐解く。

1. ファッション ファネル
サービス検討
阿部真也
（AIPE知的財産アナリスト・AI活用アドバイザー）
2023年7月6日事業検討用資料
※本発表資料は「NBIL-5」における勉強用に
作成されたものであり、私的団体内での勉強
用資料であることを十分に理解されたい。
※※本稿は執筆者の私見によるものであり、
所属団体その他の見解を代表するものではな
い。
※※※学術的に不十分な点及びPPT発表資料
のため、資料上は説明不足な点がある。
https://filmora.wondershare.co.jp/ai-
image.html?fm_channel=cpc_yahoo&utm_source=yaho
o&utm_medium=cpc&utm_campaign=fd-ai-
image&utm_term=ai%20%E7%B5%B5%20%E4%BD%9C
%E6%88%90&yclid=YSS.1001084952.EAIaIQobChMI9ev
lmvDJ_wIV0csWBR18IwtPEAAYASAAEgLfxPD_BwE

2. 大谷社⾧提供資料から
自分にぴったりのファッショ
ンの提案につなげるサービス。
その為の三次元計測
プロンプト「画期的なサービス」でAI生成

3. 結果の疑似サービス①
• 類似サービス例【DROBE】
https://drobe.jp/
AIが服をコーディネートもするとのこと
関連記事
「服を選んでくれるサービスのメン
ズおすすめ人気8選を徹底比較！」
https://hurugiblog.com/choose-clothes-for-
men#coordination
AIをかませないサービスは多くある
プロンプト「AIコーディネイト」でAI生成
https://more.hpplus.jp/influencers/blg/moeka236
/f-news/101028/ より

4. 結果の類似サービス②
• グーグルのバーチャル試着
https://wired.jp/article/google-generative-ai-clothes-
shopping/
→着用画像をAI生成、着用したイメージがわかるというもの
• 「kitemiru（キテミル）」
https://www.nikkei.com/article/DGKKZO64202510Z00C22A9
H63A00/
→京都大学発のベンチャー。AI生成で試着ができる。

5. その他 関連
• アパレルでのAI活用事例
https://ai-market.jp/industry/ai-apparel/
• 「AIで生成した各ブランド専属のオリジナルファッションモデルで、ブランディングや
プロモーションの最適化、ECサイトや店頭でのインタラクティブなショッピング体験や
顧客に合わせた無数のスタイリング提案、モデル撮影やささげ撮影におけるコスト削減
とリードタイム短縮を実現する新たなサービス。」
https://creatorzine.jp/news/detail/2885
• 服が合うかどうかをAIかませて判断させる試みは2019年から実証はされていた。
https://www.excite.co.jp/news/article/Techable_109888/
https://www.excite.co.jp/news/article/Techable_109888/

6. サービス例
https://creatorzine.jp/news/detail/2885より

7. アパレルでのAI活用例
https://ai-market.jp/industry/ai-apparel/より

8. 直接的競合（？）
https://ai-market.jp/industry/ai-apparel/より

9. 社会的状況
https://www.env.go.jp/policy/sustainable_fashion/index.html
（環境省）
https://senken.co.jp/posts/jsfa-210819
https://jsfa.info/

10. 時代はサスティナブルファッションへ！
https://www.env.go.jp/policy/sustainable_fashion/index.html
（環境省）

11. 社会課題解決はビジネスになる
https://www.env.go.jp/policy/sustainable_fashion/index.html
（環境省）
https://www.env.go.jp/policy/sustainable_fashion/goo
dpractice/case04.pdf （環境省）

12. リユースマッチングサービスに活用可能？

13. 競合（？）特許分析
• 「kitemiru（キテミル）」
https://www.nikkei.com/article/DGKKZO64202510Z00C22A9
H63A00/ を分析
• 概要：「京都大学発スタートアップのデータグリッド（京都
市）は、人工知能（AI）を活用した試着サービスを開発した。
利用者が電子商取引（EC）のサイト上で試着したい服を選び、
スマートフォンで撮影した全身の写真をアップロードするとAI
が自動で試着画像を生成する。2023年にはアパレル企業30～
50社に導入してもらうことを目指している。」

14. 特許検索ヒット
• 特開2023-015768
特願2021-119733
2021/07/20
モデル評価方法およびモデル評価システム
株式会社データグリッド
• 特開2022-136957
特願2021-154694
2021/09/22
画像データ生成方法、学習方法、画像データ生成システム、学習システムおよびプログラム
• 特許6955734
特願2021-036263
2021/03/08
画像データ生成方法、学習方法、画像データ生成システム、学習システムおよびプログラム
株式会社データグリッド
• 特許7095935
特願2022-501636
2020/12/01
プログラム、画像データ生成装置及び画像データ生成方法
株式会社データグリッド
後ろ2つが登録、前2つは査定なし
https://www.j-platpat.inpit.go.jp/s0100
Jプラットパットで検索
https://datagrid.co.jp/mission/
4件とも発明者が同社のCTOの庵原 明洋氏になっている
※「庵原 明洋」検索でも同じ4件が表示される

15. 簡易分析（いずれも特許情報より）
• 特許6955734は上手くAIで画像作るための技術のようで、人（タトゥーの表現にも）へも適応範囲が記載されている
明細
【００４４】
このように、本例の画像データ生成システム１００は、イメージ共有のために画像データの生成を実現できる。例えば、画像データ生成システム１００は、学習対象デー
タとしてタトゥの画像を使用することにより、ヒトにタトゥを彫った場合の仕上がりのイメージ画像を生成できる。画像データ生成システム１００を用いることにより、画
像を拡張する領域を自由に変更できる。また、画像データ生成システム１００は、ヒトの手術後または整形後の仕上がりのイメージ画像の生成に用いられてもよい。
明細ではネジを例とした説明が多いが、基本はこの会社の画像を高性能化する基礎技術特許（応用技術特許ですが、この会社の技術の意味）と思われる
• 特許第7095935号についてが、せービス直結と推測。国際出願もされている。
ＧＡＮ等（サイクルＧＡＮ）では人の画像生成では問題も多いので、それの改善特許と思われる。
詳細説明より
【０００４】
ＧＡＮ等の手法を用いて生成される画像データが、画像データを必要とするユーザの所望の画像データと異なり過ぎている場合がある。例えば、顔画像又はロゴ画像を作成
するための画像データを生成する場合に、生成された画像データが、画像データの生成のために用いた他の画像データ（例えば著名人の顔画像を示す画像データ又は他社の
ロゴを示す画像データ）に類似し過ぎていると、著作権又は肖像権等の問題が生じる場合がある。
【０００５】
一方、ユーザが、特定の属性の顔画像又はロゴ画像に対応する画像データを生成したいという場合もある。このような画像データを生成する際に、生成された画像データ
が、所望の画像データと異なり過ぎるという場合もある。このように、従来のＧＡＮ等の手法を用いて画像データを生成する場合、ユーザの所望の画像データを生成できな
い場合があるという問題があった。
【０００６】
そこで、本発明はこれらの点に鑑みてなされたものであり、画像データを必要とするユーザの所望の画像データに近い画像データを生成することを可能にするプログラム及
び画像データ生成装置を提供することを目的とする。

16. サービスと特許を見る限り
• 当該技術はイメージング系の技術（ディープフェイク系とも）
• 大谷さんの計測系とは異なる
• 仮想的に疑似画像を用いて試着させているので、直接計測より
は精度は落ちるものと思われる。
• ワコールの3Dスキャナー用いるものの方が技術的には近いか？
• 一応解決している特許になっているがGAN系統の技術であるの
で従来から課題の元の学習データに似すぎる問題（＝含む法的
問題）などはあるかもしれない。一方直接計測していないので
プライバシーの面では優位で、使い勝手も良く、試着という目
的を考えるとかなり良いものと思われる。

17. 比較表
株式会社データグリッド
大谷さん技術
項目
○（写真から、手軽）
△（装置必要、ライダー計測）
簡便さ
○（高精度イメージング）
◎（直接計測、ライダーで高精度）
精度
○（あくまでも疑似的画像）
△（微細な身体特徴データ＝要配慮）
プライバシー
○（希に元のデータ侵害可能性はあり）
◎（問題が生ずることは考えがたい）
著作権
○（写真技術でありそこまで高額とは思えない）
○（スマホ活用であればそこまででもない）
想定費用
○（実績のあるGAN系技術採用で信頼性は高い）
？（ライダーは信頼性十分。AI等組合せについて
要確認）
技術的信頼性
△（イメージングであるので、そのイメージの応
用には限界もある。1回ごとの試着イメージ生成
ではないかと思われる）
◎プライバシー注意だが高い。一度計測した詳細
データは様々な形で応用可能
発展性
あくまでも公表情報を元とした推定です

18. （比較表を元に）結論
• 新規よりリユース関係の方が直接計測のメリットは若干ありそ
う。倉庫ビジネスなどとの融合も。
• プライバシーは課題。そこさえ解決できれば強みもある。
• ハイブリッドもあり得るかも
• 異なる技術なので連携も可能？
• 計測系の特許は要調査
• 使用AI技術の要検討（確認）
• LLMかGANかまたは・・・
プロンプト「勝算」でAI生成