Earticle

초록

영어

This study examines how generative fashion AI training data synthesize garment-wearing contexts and construct sociocultural scenes. I analyzed 119,328 unique garments in the publicly released integrated GCD-MM file. Dictionary-based quantitative content analysis, activity-domain classification based on ICATUS 2016, garment structure-scene association analysis, and lexical and narrative-form analysis were combined with a review of the data-production process. First, scene markers were concentrated in party/cocktail (43.48%), casual/leisure (40.49%), and summer (39.25%), whereas winter accounted for 0.16%. Under the operational ICATUS criteria, 90.70% of sentences were related to socializing/community/religion or culture/leisure/sports, while expressions related to domestic work, caregiving, and learning did not appear. This indicates only the absence of the specified search terms, not the semantic absence of the corresponding experiences. Second, continuity-corrected log odds were +5.71 for turtleneck-cold weather, +3.24 for asymmetry-gallery, and -3.70 for mini length-wedding. These represent observational associations within the dataset, not causal effects. Third, when instructed to describe one suitable situation, 98.34% of sentences contained a positive suitability predicate, demonstrating an approval-centered recommendation format. Fourth, the corpus contained 1,656 unique words; the 50 most frequent words accounted for 76.3% of all tokens, and the top 100 contextual noun phrases accounted for 65.3% of extracted phrases, indicating that expressions were concentrated in a limited set of items. None of the gendered person nouns included in the search dictionary were found. I conceptualize these annotations as ‘synthetic situatedness’ and interpret them as cultural data constructed by an annotation script rather than records of actual wearing practices. I also propose that audits of synthetic fashion datasets examine production procedures, scene coverage, structure-scene associations, and narrative forms. The findings are limited to the text annotations of a single dataset; whether these imbalances transfer to downstream model outputs requires further investigation.

한국어

본 연구는 생성형 패션 AI의 학습 데이터가 의상의 착용 맥락을 어떻게 합성하고 어떤 사회문화적 장면을 구성하는지 검토하고자, 공개된 GCD-MM 통합 파일의 고유 의상 119,328개를 분석하였다. 사전 기반 내용분석, ICATUS 2016 사회활동 분류, 의상 구조-장면 연관, 어휘·서술 형식 분석을 데이터 생산 절차 검토와 결합하였다. 분석 결과, 첫째, 장면 표지어는 파티·칵테일(43.48%), 캐주얼·여가(40.49%), 여름(39.25%)에 집중되었고 겨울은 0.16%였다. ICATUS 기준에서 사회적 교류·공동체·종교 활동 또는 문화·여가·스포츠 관련 문장은 90.70%였으나, 가사·돌봄·학습 관련 표현은 조작적 기준상 나타나지 않았다. 이는 지정 검색어의 부재일 뿐 관련 경험 전체의 의미론적 부재를 뜻하지 않는다. 둘째, 의상 구조와 장면의 관계에서 터틀넥-추운 날씨의 연속성 보정 로그-오즈는 +5.71, 비대칭-갤러리는 +3.24, 미니 길이-결혼식은 -3.70이었다. 이는 인과 효과가 아닌 데이터 내부의 관찰적 연관이다. 셋째, 적합한 하나의 상황을 요구한 지시 아래, 문장의 98.34%가 긍정적 적합성 술어를 포함하여 승인 중심의 추천 형식을 보였다. 넷째, 고유 단어는 1,656개였으며, 상위 50개 단어가 전체 토큰의 76.3%를, 상위 100개 맥락 명사구가 추출된 명사구의 65.3%를 차지하여 표현이 소수 항목에 집중되었다. 검색 사전의 성별 인물 명사는 확인되지 않았다. 본 연구는 이러한 주석을 ‘합성된 상황성’ 으로 개념화하고, 실제 착용 기록이 아닌 주석 스크립트가 구성한 문화적 자료로 해석한다. 또한 합성 패션 데이터셋 감사에서 생성 절차, 장면 포괄성, 구조-장면 연관과 서술 형식을 검토할 것을 제안한다. 결과는 단일 데이터셋의 텍스트 주석에 한정되며, 하류 모델로의 편중 이전은 후속 연구에서 검증해야 한다.

목차

요약
Ⅰ. 서론
Ⅱ. 이론적 배경
1. 합성 데이터의 인식론과 데이터셋 비판
2. 착용 맥락과 규범의 판단 계보
3. 주석 스크립트와 합성된 상황성
Ⅲ. 연구 방법
Ⅳ. 결과 및 논의
1. 합성 착용 맥락의 장면 분포와 사회활동 영역별 포괄성
2. 의상 구조와 착용 맥락
3. 합성 착용 맥락의 어휘와 서술 방식
4. 합성된 상황성에 대한 종합 논의
Ⅴ. 결론
References
Abstract

키워드

저자

• 이세리 [ Selee Lee | 이화여자대학교 조형예술대학 패션디자인전공 부교수 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국패션디자인학회지 [Korean Society of Fashion Design]

• 간기

  계간

• pISSN

  1598-3749

• 수록기간

  2001~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 592 DDC 687