カプセルワードローブを最適化する指標設計
少ない点数で最大の見栄えを得るには、選定基準を明確に定量化する必要がある。AIは目的関数を「活用可能な着回し総数」「着用満足度」「場面適合度」「保守コスト（手入れ・耐久性）」「環境負荷」の加重合成として設計し、各重みはユーザーの価値観やライフスタイルに合わせて学習的に更新する。特に着回しは、色調和、シルエットの相性、レイヤリング適性、季節性といった互換性指標の積に近い形で評価すると、現実的な組み合わせ爆発を抑えつつ効用を反映しやすい。
データ収集と特徴量
入力データはクローゼット内アイテムの画像、素材情報、サイズ、色、使用履歴、手持ちの靴・バッグなどのアクセサリー構成が中心となる。画像からはディープラーニングで色情報（CAM02ベースの知覚均等空間への投影）、パターンの密度、ドレープ性の代理特徴（エッジ分布と線形荷重推定）、シルエットカテゴリー（テーパード、ストレート、Aライン等）を抽出する。ユーザー側の文脈データとして、週次の予定（ビジネス/カジュアル/フォーマル割合）、移動手段、気温・降水確率、洗濯サイクル、職場ドレスコードを変数化する。スタイル嗜好は、過去の着用写真とその評価から埋め込み空間でプロファイルを抽出し、クラスタ重心との距離で指標化する。
アルゴリズムの骨格：制約付き最適化
カプセルのコアは整数線形計画（ILP）で定式化できる。二値変数はアイテム選択の採否、補助変数はコーディネートの有効性とする。制約は点数上限、カテゴリ別下限（トップスn枚、ボトムスm枚、アウターk枚）、季節適合、色域の分散確保、用途カバレッジ（ビジネス・オケージョン比率の下限）、サイズ整合性（トップとボトムのフィット相性）など。目的関数は、ユーティリティ総和を最大化しつつコストと冗長性（類似アイテムの重複）をペナルティ化する。大規模になる場合は、サブモジュラー最大化の貪欲近似や列生成法を併用すると計算が安定する。
色とシルエットの互換性モデル
色は調和規則（補色、トライアド、アナログ）だけでなく、明度・彩度のコントラスト比、肌のアンダートーンとの親和性、TPOに応じた彩度上限を組み合わせてスコア化する。シルエットはプロポーション理論に基づき、上下一体の容積バランス、丈バランス、レイヤー時の厚み累積を制約に組み込む。これにより、単一の万能カラーや定番シルエットへ偏ることなく、少点数でも変化のある見栄えを維持できる。
コーディネート生成と評価
選定後の着回し生成は、アイテムをノード、相性をエッジ重みとするグラフで表現し、季節・TPOごとに重み付きマッチングを探索する。スタイリング評価は、第三者データセットで学習した「コーデ美観スコア」を転移し、ユーザー固有の好みで再キャリブレーションする。靴・バッグ・アウターのクロスカテゴリ最適化により、各装いの完成度を上げつつ総点数は抑える。旅行や出張のパッキングはナップサック問題として解き、シーン要求の充足率と荷物重量のトレードオフを調整する。
個別化とコンテクスト適応
個別化はベイズ最適化が有効で、提案→着用→満足度フィードバックの反復でユーティリティ関数の形状を更新する。天候APIやカレンダー連携により需要予測を行い、来週の予定分布に適した組み合わせを優先提案する。体型変動やドレスコード変更が起きた場合は制約集合をリアルタイム更新し、最小変更コストでカプセルを再構成するロバスト最適化を適用する。
サステナビリティとコスト関数
環境負荷の低減は、寿命当たりの着用回数最大化で定量化できる。素材耐久性、縫製品質、メンテナンス容易性を寿命パラメータに反映し、価格だけでなく「1着用コスト」を目的関数へ組み込む。レンタルや中古市場の在庫APIを統合すれば、短期ニーズは所有せず充足し、コアとなる定番のみを所有する戦略が導ける。これにより、審美性・機能性・環境性の三立を図る。
バイアスと公平性の制御
学習データの偏りは提案品質に直結する。サイズレンジ、年齢、文化圏、スキントーンの多様性を担保したデータでスタイル埋め込みを訓練し、推奨時には不当に特定属性を排除しないよう正則化項を追加する。説明可能性の観点では、提案理由を「色調和スコア」「TPOカバレッジ」「コスト/着用回数見込み」といった分解指標で提示するのが望ましい。
システム実装と運用
実装はクローゼットの在庫管理、画像解析、最適化ソルバ、レコメンドAPIの疎結合アーキテクチャが適する。端末上での軽量推論とクラウドでのバッチ最適化を分担し、プライバシー保護のため画像は端末内で特徴量化して送信する。季節の立ち上がりやセール前など意思決定が集中する時期には、カプセルの再最適化を定期ジョブ化し、ユーザーの購入判断を支援する。継続運用では、実際の着用ログと洗濯履歴を学習に反映し、理想値と実使用のギャップを縮小する。
将来展望
3Dボディスキャンと布挙動シミュレーションの普及により、見栄え予測は静止画ベースから動作含みの適合評価へ進む。生成AIは不足カテゴリに対して「補完アイテム」を仮想生成し、最適な実物候補をマッチングする役割を担う見込みだ。サプライチェーンのリアルタイム在庫と連動すれば、限定的な点数でも季節横断での着回し密度を高く維持できる設計が可能になる。
