JP2020173401A - 服装学習方法、服装学習システム、電子ミラー、及び、プログラム - Google Patents

Abstract

【課題】課題は、ユーザが自身に合った服装の学習を行える、服装学習方法、服装学習システム、デジタルミラー、及び、プログラムに関する。【解決手段】服装学習方法は、取得ステップＳ１１と、提示ステップＳ１９とを含む。取得ステップＳ１１は、ユーザの身体情報を含むユーザ情報を取得するステップである。提示ステップＳ１９は、取得ステップＳ１１で取得されたユーザ情報に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示するステップである。【選択図】図１

Description

本開示は、服装学習方法、服装学習システム、電子ミラー、及び、プログラムに関する。特に、本開示は、服装に関する学習を可能とする服装学習方法、服装学習システム、電子ミラー、及び、プログラムに関する。

特許文献１は、服飾品購入支援システムを開示する。服飾品購入支援システムは、少なくともファッション系統情報が含まれる各服飾品の詳細データ及びイメージ生成用データを格納する服飾品データ記憶部と、服飾品の情報を掲載する情報媒体名と、該情報媒体に掲載されている服飾品のファッション系統とを関連付けて記憶する媒体情報記憶部と、を備える。服飾品購入支援システムは、ユーザ端末から、少なくとも情報媒体名を含む服飾品選択条件を受け付ける。服飾品購入支援システムは、前記選択された情報媒体名に対応するファッション系統に属する服飾品の中から、所定のカラーコーディネート規則に適合する服飾品データを抽出する。最後に、服飾品購入支援システムは、前記抽出した服飾品を組み合わせたコーディネート案を表したグラフィックイメージを生成し、ユーザ端末に対して送信する。

特許５００３３３４号公報

特許文献１では、ユーザは、自身の好みに基づいたコーディネート案を知ることはできる。しかしながら、ユーザにとって、コーディネート案が客観的に自身に合った服装となっているかどうかを判断することは難しい。

課題は、ユーザが自身に合った服装の学習を行える、服装学習方法、服装学習システム、電子ミラー、及び、プログラムに関する。

本開示の一態様の服装学習方法は、ユーザの身体情報を含むユーザ情報を取得する取得ステップと、前記取得ステップで取得された前記ユーザ情報に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する提示ステップとを含む。

本開示の一態様の服装学習システムは、ユーザの身体情報を含むユーザ情報を取得する取得部と、前記取得部で取得された前記ユーザ情報に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する提示部とを備える。

本開示の一態様の電子ミラーは、表示画面に画像を表示する表示装置と、前記表示画面に重ねて配置されるハーフミラーと、前記服装学習システムの提示部とを備える。前記提示部は、前記学習コンテンツを前記表示装置により提示する。

本開示の一態様のプログラムは、１以上のプロセッサに、前記服装学習方法を実行させるための、プログラムである。

本開示の態様によれば、ユーザが自身に合った服装の学習を行える、という効果を奏する。

図１は、一実施形態の服装学習方法のフローチャートである。 図２は、上記服装学習方法を実行する服装学習システムの概略図である。 図３は、上記服装学習システムのブロック図である。 図４は、上記服装学習システムが提示する学習コンテンツの画面の一例を示す図である。 図５は、上記服装学習システムが提示する学習コンテンツの画面の一例を示す図である。 図６は、上記服装学習システムが提示する学習コンテンツの画面の一例を示す図である。 図７は、上記服装学習システムが提示する学習コンテンツの画面の一例を示す図である。 図８は、上記服装学習システムが提示する学習コンテンツの画面の一例を示す図である。 図９は、上記服装学習システムが提示する学習コンテンツの画面の一例を示す図である。 図１０は、上記服装学習システムの変形例のブロック図である。

１．実施形態
１．１ 概要
図１は、一実施形態の服装学習方法のフローチャートを示す。服装学習方法は、ユーザが自身に合う服装を学習するための方法である。服装学習方法は、図１に示すように、取得ステップＳ１１と、提示ステップＳ１９とを含む。取得ステップＳ１１は、ユーザ１００（図２参照）の身体情報を含むユーザ情報を取得するステップである。提示ステップＳ１９は、取得ステップＳ１１で取得されたユーザ情報に基づいて生成される、ユーザ１００に合う服装を学習するための学習コンテンツを提示するステップである。

本実施形態の服装学習方法が提示する学習コンテンツは、ユーザ１００の身体情報を含むユーザ情報を利用して生成される。そのため、本実施形態の服装学習方法によれば、ユーザ１００が自身に合った服装の学習を行える。

１．２ 詳細
以下、本実施形態の服装学習方法について、図１〜図９を参照して更に詳細に説明する。本実施形態の服装学習方法は、図２及び図３に示す、服装学習システム１０によって実行される。

服装学習システム１０は、図２及び図３に示すように、提示装置２０と、入力システム３０と、サーバ４０とを備える。提示装置２０は、入力システム３０及びサーバ４０と通信ネットワーク５０を通じて通信可能である。通信ネットワーク５０は、インターネットを含み得る。通信ネットワーク５０は、単一の通信プロトコルに準拠したネットワークだけではなく、異なる通信プロトコルに準拠した複数のネットワークで構成され得る。通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。図２及び図３では簡略化されているが、通信ネットワーク５０は、リピータハブ、スイッチングハブ、ブリッジ、ゲートウェイ、ルータ等のデータ通信機器を含み得る。

入力システム３０は、図２及び図３に示すように、画像入力装置３１と、情報入力装置３２とを含む。画像入力装置３１及び情報入力装置３２はいずれもユーザ１００に関する情報を服装学習システム１０に入力するための装置である。

画像入力装置３１は、ユーザ１００に関する画像を服装学習システム１０に入力するための装置である。ユーザ１００に関する画像は、ユーザ１００自身の画像、及び、ユーザ１００の所有物の画像を含み得る。ユーザ１００自身の画像は、一例として、ユーザ１００の顔の画像等のユーザ１００の肌が写っている画像であってよい。ユーザ１００の所有物の画像は、ユーザ１００の所有している服装（衣類、装身具等）の画像であってよい。画像入力装置３１は、一例としては、デジタルカメラであるが、これに限らず、ユーザ１００の画像（デジタル画像）を生成する機能を有する装置（スマートフォン、タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータ）であってもよい。

情報入力装置３２は、ユーザ１００の画像以外の、ユーザ１００に関する情報を入力するための装置である。ユーザ１００の画像以外の情報の例としては、ユーザ１００の属性の情報がある。ユーザ１００の属性は、ユーザ１００の性別、年齢、身長、体重、肉づき、骨格、体型、服装の好み（服装の色、服装の模様、服装の形状、服装の種類等）を含み得る。情報入力装置３２は、一例としては、スマートフォンであるが、これに限らず、ユーザ１００の属性の入力が可能な装置（タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータ）であってもよい。また、情報入力装置３２は、キーボード、マウス、トラックボール、タッチパッド、マイクロフォン、デジタルカメラを含み得る。

サーバ４０は、図３に示すように、通信部４１と、記憶部４２と、処理部４３とを備える。

通信部４１は、通信インターフェースである。本実施形態では、通信部４１は、通信ネットワーク５０に接続可能な通信インターフェースであり、通信ネットワーク５０を通じた通信を行う機能を有する。特に、通信部４１は、提示装置２０及びサーバ４０と通信ネットワーク５０を通じて通信可能である。なお、通信部４１の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。

記憶部４２は、情報を記憶するための装置である。記憶部４２は、ＲＯＭ（ReadOnly Memory）、ＲＡＭ（Random Access Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）等である。記憶部４２は、後述する、服装データベースＤ１１と、コンテンツデータベースＤ１２と、個人データベースＤ１３とを記憶するための領域を有する。なお、図３では、図面の簡略化の観点から、データベースを「ＤＢ」と短縮して表記している。

処理部４３は、サーバ４０の全体的な制御、すなわち、通信部４１、及び記憶部４２を制御するように構成される。処理部４３は、例えば、１以上のプロセッサ（マイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、１以上のプロセッサが１以上のメモリに記憶された１以上のプログラム（アプリケーション）を実行することで、処理部４３として機能する。プログラムは、ここでは処理部４３のメモリに予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

提示装置２０は、本実施形態では、画像表示装置である。特に、提示装置２０は、電子ミラーとしての機能を有する。提示装置２０は、施設に設置される。施設は、本実施形態では、集合住宅である。なお、施設の例としては、オフィスビル、戸建て住宅、集合住宅（住戸、共用部）、店舗、ビル（ビル全体、フロア内）が挙げられる。また、施設は、建物だけではなく、建物とその建物が存在する敷地とを含んでいてもよく、例えば、工場や、公園、病院、商業施設等が挙げられる。

提示装置２０は、図２に示すように、表示画面２２１０に画像を表示する表示装置２２１と、表示画面２２１０に重ねて配置されるハーフミラー２２２とを有する。更に、提示装置２０は、図３に示すように、入力部２１と、出力部２２と、通信部２３と、処理部２４とを備える。

入力部２１は、提示装置２０に情報を入力するために用いられる。入力部２１により提示装置２０に入力する情報の例としては、ユーザ１００に関する情報、及び提示装置２０の操作のための情報を含み得る。入力部２１は、情報の入力のための１以上の入力装置を含む。１以上の入力装置は、キーボード、マウス、トラックボール、タッチパッド、マイクロフォン、デジタルカメラを含み得る。

出力部２２は、提示装置２０から情報を出力するために用いられる。出力部２２により提示装置２０から出力する情報の例としては、提示装置２０の操作のための情報、及び提示装置２０からユーザに通知する情報を含み得る。出力部２２は、情報の出力のための１以上の出力装置を含む。１以上の出力装置は、視覚的に情報を提示するための表示装置２２１、及び、聴覚的に情報を提示するためのスピーカを含み得る。

ここで、表示装置２２１は、画像を表示する表示画面２２１０を有している。上述したように、ハーフミラー２２２は、表示画面２２１０に重ねて配置される。ハーフミラー２２２は、ユーザ１００の像を映すために用いられる。表示装置２２１は、液晶ディスプレイや有機ＥＬディスプレイ等の薄型のディスプレイ装置である。本実施形態では、表示装置２２１の表示画面２２１０には、入力部２１のタッチパッドが配置されて、タッチパネルが構成されている。

通信部２３は、通信インターフェースである。本実施形態では、通信部２３は、通信ネットワーク５０に接続可能な通信インターフェースであり、通信ネットワーク５０を通じた通信を行う機能を有する。特に、通信部２３は、入力システム３０及びサーバ４０と通信ネットワーク５０を通じて通信可能である。なお、通信部２３の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。

処理部２４は、提示装置２０の全体的な制御、すなわち、入力部２１、出力部２２、及び通信部２３を制御するように構成される。特に、本実施形態では、提示装置２０は、デジタルミラーである。一例として、処理部２４は、入力部２１のカメラにより得たユーザ１００の画像を、出力部２２の表示装置２２１に表示する機能を有する。処理部２４は、例えば、１以上のプロセッサ（マイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、１以上のプロセッサが１以上のメモリに記憶された１以上のプログラム（アプリケーション）を実行することで、処理部２４として機能する。プログラムは、ここでは処理部２４のメモリに予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

処理部２４は、図３に示すように、取得部Ｆ１１と、分析部Ｆ１２と、生成部Ｆ１３と、提示部Ｆ１４とを備える。図３において、取得部Ｆ１１、分析部Ｆ１２、生成部Ｆ１３、及び提示部Ｆ１４は実体のある構成を示しているわけではなく、処理部２４によって実現される機能を示している。

取得部Ｆ１１は、ユーザ１００の身体情報を含むユーザ情報を取得するように構成される。つまり、取得部Ｆ１１は、ユーザ１００の身体情報を含むユーザ情報を取得する取得ステップを実行する。身体情報は、ユーザ１００の身体に関する情報である。本実施形態では、身体情報は、ユーザ１００の色に関する情報と、ユーザ１００の体格に関する情報とを含む。ユーザ１００の色に関する情報は、ユーザ１００の身体の特定部位の色の情報である。特定部位の色の例としては、肌の色、髪の色、瞳の色が挙げられる。本実施形態では、肌の色の情報が用いられる。ユーザ１００の体格に関する情報は、ユーザ１００の身長、体重、肉づき、骨格、及び体型の少なくとも一つに関する情報を含む。本実施形態では、ユーザ１００の身長と体重の情報が用いられる。

取得部Ｆ１１は、ユーザ情報を入力システム３０から取得する。特に、取得部Ｆ１１は、ユーザ１００の色に関する情報を、画像入力装置３１から取得する。本実施形態では、ユーザ１００の色に関する情報は、ユーザ１００の肌が写っている画像であって、一例としては、ユーザ１００の顔の画像である。また、取得部Ｆ１１は、ユーザ１００の体格に関する情報を、情報入力装置３２から取得する。本実施形態では、ユーザ１００の体格に関する情報は、ユーザ１００の身長と体重の情報である。

分析部Ｆ１２は、ユーザ１００の身体情報に基づく分析を実行するように構成される。より詳細には、分析部Ｆ１２は、身体情報に基づいて、ユーザ１００の色と体格との少なくとも一方に関する分析を行うように構成される。つまり、分析部Ｆ１２は、身体情報に基づいて、ユーザ１００の色と体格との少なくとも一方に関する分析を行う分析ステップを実行する。本実施形態では、分析部Ｆ１２は、色分析部Ｆ１２１と、体格分析部Ｆ１２２とを含む。これにより、分析部Ｆ１２は、ユーザ１００の色と体格とに関する分析を行う。

色分析部Ｆ１２１は、ユーザ１００の色に関する分析を行うように構成される。ユーザ１００の色に関する分析は、ユーザ１００の肌の色に基づくユーザ１００の色の分類を含む。色分析部Ｆ１２１は、ユーザ１００の肌の色を、取得部Ｆ１１で取得されたユーザ１００の身体情報に含まれるユーザ１００の色に関する情報から取得する。よって、色分析部Ｆ１２１は、ユーザ１００の色に関する情報に基づいて、ユーザ１００の色の分類を行う。ユーザ１００の色は、４つの類型に分類され得る。一例として、４つの類型は、肌の色がイエローベースで明るい第１類型、肌の色がウォームベースで暗い第２類型、肌の色がブルーベース（クールタイプ）で明るい第３類型、肌の色がブルーベースで暗い第４類型である。なお、イエローベースは、黄みがかった肌色をいい、ウォームタイプともいわれる。ブルーベースは、青みがかった肌色をいい、クールタイプともいわれる。第１〜第４類型は、慣用的に、スプリング、サマー、オータム、及びウィンターともいわれる。ただし、本実施形態では、ユーザ１００の色の分類は、イエローベース（ウォームタイプ）とブルーベース（クールタイプ）との２類型である。

色分析部Ｆ１２１は、ユーザ１００の色に関する分析では、ユーザ１００の肌の色がイエローベースかブルーベースかを判定する。一例として、色分析部Ｆ１２１は、ユーザ１００の肌の色とイエローベースとの類似度と、ユーザ１００の肌の色とブルーベースと類似度との比較に基づいて、ユーザ１００の色の分類を実行してよい。色分析部Ｆ１２１は、ユーザ１００の肌の色を、取得部Ｆ１１で得たユーザ１００の顔の画像から取得可能である。なお、色分析部Ｆ１２１は、ユーザ１００の肌の色の入力に対してイエローベースかブルーベースかを出力する学習済みモデルを利用して、ユーザ１００の色の分類を実行してよい。色分析部Ｆ１２１は、ユーザ１００の色に関する分析の結果として、ユーザ１００の色がイエローベースかブルーベースかを提供する。

体格分析部Ｆ１２２は、ユーザ１００の体格に関する分析を行うように構成される。ユーザ１００の体格に関する分析は、ユーザ１００の身長、体重、肉づき、骨格、及び体型の少なくとも一つに基づくユーザ１００の体格の分類を含む。体格分析部Ｆ１２２は、ユーザ１００の身長、体重、肉づき、骨格、及び体型の少なくとも一つの情報を、取得部Ｆ１１で取得されたユーザ１００の身体情報に含まれるユーザ１００の体格に関する情報から取得する。本実施形態では、身体情報は、ユーザ１００の身長と体重の情報を含む。よって、体格分析部Ｆ１２２は、ユーザ１００の体格に関する情報（ユーザ１００の身長及び体重）に基づいて、ユーザ１００の体格の分類を行う。ユーザ１００の体格は、４つの類型に分類され得る。一例として、４つの類型は、身長高めかつ体重多めの第１類型、身長高めかつ体重少なめの第２類型、身長低めかつ体重多めの第３類型、身長低めかつ体重少なめの第４類型である。

体格分析部Ｆ１２２は、ユーザ１００の体格に関する分析では、ユーザ１００の体格が第１類型〜第４類型のいずれであるかを判定する。一例として、体格分析部Ｆ１２２は、ユーザ１００の身長が身長閾値以上であれば、ユーザ１００は身長高めと判断し、ユーザ１００の身長が身長閾値未満であれば、ユーザ１００は身長低めと判断する。身長閾値は、平均身長であってよい。平均身長は、性別、年齢等で変わり得る。ここでの平均身長は、ユーザ１００と同じ性別、同じ年代の人の平均身長であるとよい。なお、身長閾値は、平均身長以外の値であってよく、理想身長等、種々の数値を利用可能である。体格分析部Ｆ１２２は、ユーザ１００の体重が体重閾値以上であれば、ユーザ１００は体重多めと判断し、ユーザ１００の体重が体重閾値未満であれば、ユーザ１００は体重少なめと判断する。体重閾値は、ユーザ１００がぽっちゃりかほっそり、又は、がっしりかきゃしゃかを判定するための値であってよい。体重閾値は、一例としては、理想体重であってよい。理想体重は、性別、年齢等で変わり得る。ここでの理想体重は、ユーザ１００と同じ性別、同じ年代の人の理想体重であるとよい。なお、体重閾値は、理想体重以外の値であってよく、平均体重等、種々の数値を利用可能である。よって、体格分析部Ｆ１２２は、ユーザ１００の身長と身長閾値との比較の結果、及び、ユーザ１００の体重と体重閾値との比較に基づいて、ユーザ１００の体格の分類を実行してよい。なお、体格分析部Ｆ１２２は、ユーザ１００の身長及び体重の入力に対してユーザ１００が第１類型〜第４類型のいずれであるかを出力する学習済みモデルを利用して、ユーザ１００の体格の分類を実行してよい。体格分析部Ｆ１２２は、ユーザ１００の体格に関する分析の結果として、ユーザ１００の体格が第１類型〜第４類型のいずれであるかを提供する。

分析部Ｆ１２は、ユーザ１００の身体情報に基づく分析の結果（本実施形態では、ユーザ１００の色の分析の結果と体格の分析の結果）を、サーバ４０の記憶部４２の個人データベースＤ１３に登録するように構成される。したがって、ユーザ１００の身体情報に基づく分析の結果が得られれば、分析部Ｆ１２での分析を再度実行しなくても、服装学習システム１０は、個人データベースＤ１３からユーザ１００の身体情報に基づく分析の結果を利用することができる。ただし、ユーザ１００の身体情報に変更がある場合には、再度、分析部Ｆ１２による分析を実行することが好ましい。

生成部Ｆ１３は、分析部Ｆ１２での分析の結果に基づいてユーザ１００に合う服装を決定し、学習コンテンツを生成するように構成される。つまり、生成部Ｆ１３は、分析部Ｆ１２（分析ステップ）での分析の結果に基づいてユーザ１００に合う服装を決定し、学習コンテンツを生成する生成ステップを実行する。

生成部Ｆ１３は、分析部Ｆ１２での分析の結果に基づいてユーザ１００に合う服装を決定する場合に、サーバ４０の記憶部４２の服装データベースＤ１１を検索する。服装データベースＤ１１は、服装に関するデータベースである。服装データベースＤ１１は、複数の服装情報を保持している。服装情報は、服装の属性、及び、服装の画像を含み得る。服装の属性は、種類、色、柄、シルエットを含み得る。服装の種類は、ワンピース、シャツ、スカート、ジャケット、コート、ボトムス等の衣類の種類と、ネックレス、イヤリング等の装身具の種類等を含み得る。服装の色は、赤、青、白、黄色等を含み得る。服装の色は、服装の全体としての色の印象に基づいて定められる。つまり、服装の色が赤であるといっても、服装が赤の単色であることを意味しているわけではない。服装の柄は、無地、幾何学柄、花柄、ダマスク柄、アニマル柄を含み得る。幾何学柄の例としては、ストライプ、チェック、ボーダー、ドット（水玉）柄が挙げられる。ストライプの例としては、子持ちストライプ、レガッタストライプ、ロンドンストライプ、ブロックストライプ、チェックの例としては、ギンガムチェック、グラフチェック、千鳥格子が挙げられる。ドット柄は、更に、ドットの大きさ及びドットの並び方が異なる複数の柄を含み得る。花柄は、更に、花のリアルさ、花の大きさ、及び花の並び方が異なる複数の柄を含み得る。アニマル柄の例としては、ヒョウ柄など茶系のアニマル柄、モノトーンのアニマル柄が挙げられる。服装のシルエットは、メリハリ系、直線系、上重心系、下重心系、丸み系を含み得る。メリハリ系の例としては、Ｘラインシルエット、マーメイドシルエット、アワーグラスシルエットが挙げられる。直線系の例としては、ストレートシルエット、スリムシルエットが挙げられる。上重心系の例としては、Ｙライン、逆三角形が挙げられる。下重心系の例としては、Ａラインシルエット、エンパイアシルエット、フィット＆フレアシルエットが挙げられる。丸み系の例としては、バルーンシルエット、コクーンシルエット、バレルシルエットが挙げられる。

服装データベースＤ１１は、図３に示すように、所有服装データベースＤ１１１と、非所有服装データベースＤ１１２とを含み得る。所有服装データベースＤ１１１は、ユーザ１００が所有している服装に関するデータベースである。つまり、所有服装データベースＤ１１１に登録されている服装情報は、ユーザ１００が実際に所有している服装に関する情報である。ユーザ１００は、入力システム３０を用いて、ユーザ１００が所有している服装を所有服装データベースＤ１１１に登録することが可能である。一例として、ユーザ１００は、入力システム３０の画像入力装置３１で服装を撮影して、情報入力装置３２を用いて所有服装データベースＤ１１１に入力することが可能である。非所有服装データベースＤ１１２は、ユーザ１００が所有していない服装に関するデータベースである。つまり、非所有服装データベースＤ１１２に登録されている服装情報は、ユーザ１００が実際に所有していない服装に関する情報である。一例として、非所有服装データベースＤ１１２にはあらかじめ複数の服装情報が登録される。なお、非所有服装データベースＤ１１２には、インターネット上のウェブサイト（ショッピングサイト）等から取得された服装情報が新たに登録され得る。服装には流行があるため、非所有服装データベースＤ１１２は定期的に更新されることが好ましい。なお、ユーザ１００が新しく服装を購入した場合には、所有服装データベースＤ１１１には、これまで非所有服装データベースＤ１１２にだけ登録されている服装に関する情報が登録され得る。この観点から言えば、所有服装データベースＤ１１１は、ユーザ１００が自身で作成するデータベースであり、非所有服装データベースＤ１１２は、服装学習システム１０が機械的に作成するデータベースであるともいえる。

生成部Ｆ１３は、分析部Ｆ１２から得られる、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせに基づいて、ユーザ１００に合う服装を決定する。生成部Ｆ１３は、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせに基づいて、ユーザ１００に合う服装を決定するための服装決定アルゴリズムを有している。服装決定アルゴリズムは、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせに対して、ユーザ１００に合う服装の属性の条件を出力する。一例として、ユーザ１００の色の分析の結果がウォームタイプで、ユーザ１００の体格の分析の結果が第３類型（身長低めかつ体重多め）である場合、服装決定アルゴリズムは、ユーザ１００に合う服装の属性に関して、色が明るくライトな赤色であるという条件を出力する。他の例として、ユーザ１００の色の分析の結果がウォームタイプで、ユーザ１００の体格の分析の結果が第３類型（身長低めかつ体重多め）又は第４類型（身長低めかつ体重少なめ）である場合、服装決定アルゴリズムは、ユーザ１００に合う服装の属性に関して、柄が小さい花がちりばめられた花柄であるという条件を出力する。他の例として、ユーザ１００の色の分析の結果がウォームタイプ又はクールタイプで、ユーザ１００の体格の分析の結果が第２類型（身長高めかつ体重少なめ）である場合、服装決定アルゴリズムは、ユーザ１００に合う服装の属性に関して、シルエットが直線系であるという条件を出力する。生成部Ｆ１３は、服装決定アルゴリズムで得た条件に合致する服装（つまり、ユーザ１００に合う服装）を、服装データベースＤ１１から検索して、ユーザ１００に合う服装を決定する。ここで、生成部Ｆ１３は、非所有服装データベースＤ１１２よりも先に所有服装データベースＤ１１１を検索する。つまり、生成部Ｆ１３は、所有服装データベースＤ１１１にユーザ１００に合う服装がない場合に、非所有服装データベースＤ１１２の検索を行う。なお、どのようなユーザ１００にどのような服装が合うかについては、従来周知のファッション理論等を利用できるから、詳細な説明は省略する。なお、服装決定アルゴリズムは、学習済みモデルであってもよい。つまり、生成部Ｆ１３は、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせとユーザ１００に合う服装との関係を学習した学習済みモデルを利用して、ユーザ１００に合う服装を決定してよい。

生成部Ｆ１３は、学習コンテンツを生成する場合に、サーバ４０の記憶部４２のコンテンツデータベースＤ１２を検索する。コンテンツデータベースＤ１２は、学習コンテンツに関するデータベースである。コンテンツデータベースＤ１２は、複数の学習コンテンツを保持している。複数の学習コンテンツは、ユーザ１００に合う服装に関する問題及び当該問題の解説を含み得る。ユーザ１００に合う服装に関する問題は、服装の属性をジャンルとして設定可能である。つまり、学習コンテンツは、ユーザ１００に合う服装に関する問題は、服装の種類、色、柄、シルエット毎に、出題可能である。本実施形態では、ユーザ１００に合う服装に関する問題は、多肢選択式問題である。多肢選択式問題は、設問文と複数の選択肢とを含む。設問文は、分析部Ｆ１２での分析の結果を提示する文章を含む。設問文は、一例として、「クールタイプ、身長高めでぽっちゃり＆がっしりなあなたに似合う服装は？」という文章である。ここで、「クールタイプ、身長高めでぽっちゃり＆がっしりなあなた」という文章が、分析部Ｆ１２での分析の結果を提示する文章である。これによって、ユーザ１００に分析の結果を通知することができる。ユーザ１００は、設問分を、正答肢の選択の参考にすることができる。複数の選択肢は、正解肢と１以上の誤答肢と含む。生成部Ｆ１３は、ユーザ１００に合う服装を正解肢とし、ユーザ１００に合う服装以外の服装を誤答肢に用いる。特に、誤答肢に用いる服装は、服装データベースＤ１１に登録されている、ユーザ１００に合う服装の属性の条件を満たさない服装から、選択されるとよい。ただし、誤答肢に用いる服装は、服装データベースＤ１１に登録されている服装からランダムに選択されてよい。また、複数の選択肢の各々は、服装の画像を含んでいる。

図４及び図５は、学習コンテンツの一例を示す。ここでの学習コンテンツは、服装の色に関する多肢選択式問題である。図４は、多肢選択式問題を提示する問題提示画面Ｐ１１であり、図５は、問題の解答を提示する解答画面Ｐ１２である。問題提示画面Ｐ１１は、設問文領域Ｒ１１０と、複数（図４では３つ）の選択肢領域Ｒ１１１〜Ｒ１１３とを含む。設問文領域Ｒ１１０は、設問文を表示する領域である。図４では、設問文は、「ウォームタイプ、身長低めでぽっちゃり＆がっしりなあなたに似合う赤色系の服は？」という文章である。ここで、「ウォームタイプ、身長低めでぽっちゃり＆がっしりなあなた」という文章が、分析部Ｆ１２での分析の結果を提示している。複数の選択肢領域Ｒ１１１〜Ｒ１１３のそれぞれは、選択肢を表示する領域である。図４から明らかなように、選択肢は、服装の画像を含んでいる。ここでは、選択肢領域Ｒ１１１が正解肢、残りの選択肢領域Ｒ１１２，Ｒ１１３が誤答肢である。解答画面Ｐ１２は、解答領域Ｒ１２０と、解説領域Ｒ１２１とを含む。解答領域Ｒ１２０は、多肢選択式問題の解答を表示する領域である。本例では、選択肢領域Ｒ１１１が正解肢であるから、解答領域Ｒ１２０は、選択肢領域Ｒ１１１と同じ内容である。解説領域Ｒ１２１は、多肢選択式問題の解説を表示する領域である。図５では、解説は、「ウォームタイプ、身長低めでぽっちゃり＆がっしりな方におすすめは明るく・ライトな赤色の服です。」という文章である。ここで、「ウォームタイプ、身長低めでぽっちゃり＆がっしりな方」という文章は、分析部Ｆ１２での分析の結果を提示している。したがって、ユーザ１００は、学習コンテンツの多肢選択式問題に挑戦することによって、ユーザ１００に合った服装の学習をすることが可能である。

図６及び図７は、学習コンテンツの別の例を示す。ここでの学習コンテンツは、服装の柄に関する多肢選択式問題である。図６は、多肢選択式問題を提示する問題提示画面Ｐ２１であり、図７は、問題の解答を提示する解答画面Ｐ２２である。問題提示画面Ｐ２１は、設問文領域Ｒ２１０と、複数（図６では３つ）の選択肢領域Ｒ２１１〜Ｒ２１３とを含む。設問文領域Ｒ２１０は、設問文を表示する領域である。図６では、設問文は、「ウォームタイプ、身長低めなあなたに似合う柄の服は？」という文章である。ここで、「ウォームタイプ、身長低めなあなた」という文章が、分析部Ｆ１２での分析の結果を提示している。複数の選択肢領域Ｒ２１１〜Ｒ２１３のそれぞれは、選択肢を表示する領域である。図６から明らかなように、選択肢は、服装の画像を含んでいる。ここでは、選択肢領域Ｒ２１２が正解肢、残りの選択肢領域Ｒ２１１，Ｒ２１３が誤答肢である。解答画面Ｐ２２は、解答領域Ｒ２２０と、解説領域Ｒ２２１とを含む。解答領域Ｒ２２０は、多肢選択式問題の解答を表示する領域である。本例では、選択肢領域Ｒ２１２が正解肢であるから、解答領域Ｒ２２０は、選択肢領域Ｒ２１２と同じ内容である。解説領域Ｒ２２１は、多肢選択式問題の解説を表示する領域である。図７では、解説は、「ウォームタイプ、身長低めな方におすすめは、小さい花がちりばめられた花柄です。」という文章である。ここで、「ウォームタイプ、身長低めな方」という文章は、分析部Ｆ１２での分析の結果を提示している。したがって、ユーザ１００は、学習コンテンツの多肢選択式問題に挑戦することによって、ユーザ１００に合った服装の学習をすることが可能である。

図８及び図９は、学習コンテンツの更に別の例を示す。ここでの学習コンテンツは、服装のシルエットに関する多肢選択式問題である。図８は、多肢選択式問題を提示する問題提示画面Ｐ３１であり、図９は、問題の解答を提示する解答画面Ｐ３２である。問題提示画面Ｐ３１は、設問文領域Ｒ３１０と、複数（図６では３つ）の選択肢領域Ｒ３１１〜Ｒ３１３とを含む。設問文領域Ｒ３１０は、設問文を表示する領域である。図９では、設問文は、「ストレート体型のあなたの体型をいかしたシルエットの服は？」という文章である。ここで、「ストレート体型のあなた」という文章が、分析部Ｆ１２での分析の結果を提示している。複数の選択肢領域Ｒ３１１〜Ｒ３１３のそれぞれは、選択肢を表示する領域である。図８から明らかなように、選択肢は、服装の画像を含んでいる。ここでは、選択肢領域Ｒ３１１が正解肢、残りの選択肢領域Ｒ３１２，Ｒ３１３が誤答肢である。解答画面Ｐ３２は、解答領域Ｒ３２０と、解説領域Ｒ３２１とを含む。解答領域Ｒ３２０は、多肢選択式問題の解答を表示する領域である。本例では、選択肢領域Ｒ３１１が正解肢であるから、解答領域Ｒ３２０は、選択肢領域Ｒ３１１と同じ内容である。解説領域Ｒ３２１は、多肢選択式問題の解説を表示する領域である。図９では、解説は、「ストレート体型のあなたの体型をいかしたシルエットは、直線系のシルエットです。」という文章である。ここで、「ストレート体型のあなた」という文章は、分析部Ｆ１２での分析の結果を提示している。したがって、ユーザ１００は、学習コンテンツの多肢選択式問題に挑戦することによって、ユーザ１００に合った服装の学習をすることが可能である。

提示部Ｆ１４は、取得部Ｆ１１で取得されたユーザ情報に基づいて生成される、ユーザ１００に合う服装を学習するための学習コンテンツを提示するように構成される。つまり、提示部Ｆ１４は、取得ステップで取得されたユーザ情報に基づいて生成される、ユーザ１００に合う服装を学習するための学習コンテンツを提示する。本実施形態では、学習コンテンツは、生成部Ｆ１３で生成される。よって、提示部Ｆ１４は、生成部Ｆ１３で生成される学習コンテンツを提示する。特に、生成部Ｆ１３は、提示装置２０の表示装置２２１により学習コンテンツを提示する。より詳細には、提示部Ｆ１４は、表示装置２２１の表示画面２２１０の表示領域Ａ１０に、学習コンテンツを提示する。上述したように、学習コンテンツは、多肢選択式問題であり、ユーザ１００は、提示装置２０の入力部２１を利用して、多肢選択式問題に対する回答を入力することが可能である。したがって、ユーザ１００は、提示装置２０の表示画面２２１０を見ながら、ユーザ１００に合う服の学習が可能である。

１．３ 動作
次に、服装学習システム１０が実行する服装学習方法について図１のフローチャートを参照して簡単に説明する。まず、服装学習システム１０では、取得部Ｆ１１がユーザ情報を取得する（Ｓ１１）。ここでは、取得部Ｆ１１が、ユーザ情報を、入力システム３０から取得することができる。次に、分析部Ｆ１２は、ユーザ１００の色に関する分析を行い（Ｓ１２）、更に、ユーザ１００の体格に関する分析を行う（Ｓ１３）。これによって、ユーザ１００の色の分類の結果、及び、ユーザ１００の体格の分類の結果が得られる。次に、生成部Ｆ１３は、ユーザ１００の色の分類の結果及びユーザ１００の体格の分類の結果に基づいて、ユーザ１００に合う服装を決定する（Ｓ１４）。更に、生成部Ｆ１３は、設問文を生成し（Ｓ１５）、正解肢を生成し（Ｓ１６）、誤答肢を生成し（Ｓ１７）、解説を生成し（Ｓ１８）、これによって、学習コンテンツを生成する。提示部Ｆ１４は、生成部Ｆ１３で生成された学習コンテンツを、表示装置２２１の表示画面２２１０に提示する（Ｓ１９）。これによって、ユーザ１００は自身に合う服装の学習が可能となる。

なお、図１のフローチャートはあくまでも服装学習方法の一例であり、ステップＳ１１〜Ｓ１９の順番は特に限定されない。一例としては、ステップＳ１１，Ｓ１２の順番は入れ替え可能であるし、同時に実行され得る。また、ステップＳ１４〜Ｓ１８の順番は入れ替え可能であるし、同時に実行され得る。

１．４ まとめ
以上述べた服装学習システム１０は、図３に示すように、取得部Ｆ１１と、提示部Ｆ１４とを含む。取得部Ｆ１１は、ユーザの身体情報を含むユーザ情報を取得するように構成される。提示部Ｆ１４は、取得部Ｆ１１で取得されたユーザ情報に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示するように構成される。このような服装学習システム１０によれば、ユーザが自身に合った服装の学習を行える。

そして、服装学習システム１０は、上述したように服装学習方法を実行している。服装学習方法は、取得ステップＳ１１と、提示ステップＳ１９とを含む。取得ステップＳ１１は、ユーザの身体情報を含むユーザ情報を取得するステップである。提示ステップＳ１９は、取得ステップＳ１１で取得されたユーザ情報に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示するステップである。このような服装学習方法によれば、服装学習システム１０と同様に、ユーザが自身に合った服装の学習を行える。

ところで、服装学習システム１０は、１以上のプロセッサにより実現されている。つまり、服装学習システム１０は、１以上のプロセッサがプログラム（服装学習プログラム）を実行することにより実現される。このプログラムは、１以上のプロセッサに、服装学習方法を実行させるためのプログラム（コンピュータプログラム）である。このようなプログラムによれば、服装学習方法と同様に、ユーザが自身に合った服装の学習を行える。

２．変形例
本開示の実施形態は、上記実施形態に限定されない。上記実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施形態の変形例を列挙する。

図１０は、一変形例の服装学習システム１０Ａを示す。服装学習システム１０Ａは、提示装置２０Ａと、入力システム３０と、サーバ４０Ａとを備える。提示装置２０Ａは、取得部Ｆ１１、分析部Ｆ１２、及び生成部Ｆ１３を備えていない点で、提示装置２０と相違する。逆に、サーバ４０Ａは、取得部Ｆ１１、分析部Ｆ１２、及び生成部Ｆ１３を備えている点で、サーバ４０と相違する。つまり、服装学習システム１０Ａでは、提示装置２０Ａではなくサーバ４０Ａが、ユーザ情報の取得、ユーザ情報に基づく分析、及び、学習コンテンツの生成を実施する。図１０の変形例では、提示装置２０Ａでの処理負荷の低減が図れる。

一変形例では、入力システム３０は、１以上の画像入力装置３１及び１以上の情報入力装置３２を有していてよい。ただし、一変形例では、提示装置２０は、入力部２１により、ユーザ情報の入力を受け付けてよい。要するに、提示装置２０は、入力システム３０としても機能してよい。この場合、入力システム３０は必須ではない。

一変形例では、提示装置２０は、サーバ４０の記憶部４２と同様の記憶部を有し、服装データベースＤ１１、コンテンツデータベースＤ１２、及び個人データベースＤ１３を備えていてよい。つまり、提示装置２０は、サーバ４０としての機能を有していてもよい。この場合、サーバ４０は必須ではない。

一変形例では、提示装置２０は、必ずしも、デジタルミラーである必要はない。提示装置２０は、取得部Ｆ１１及び提示部Ｆ１４を備えることができればよい。提示装置２０は、スマートフォン、タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータにより実現され得る。

一変形例では、ユーザ１００の色に関する情報は、画像入力装置３１ではなく、情報入力装置３２により直接的に入力されてよい。また、一変形例では、ユーザ１００の体格に関する情報は、情報入力装置３２により入力された情報ではなく、画像入力装置３１で入力されたユーザ１００の全身の画像から取得されてもよい。

一変形例では、色分析部Ｆ１２１は、ユーザ１００の色に関する分析では、ユーザ１００の肌の色だけではなく、ユーザ１００の髪の色や瞳の色を利用可能である。なお、ユーザ１００の肌の色は生まれつきの色である必要はなく、化粧後や日焼け後の色であってもよい。同様に、ユーザ１００の髪の色は生まれつきの色である必要はなく、染色後の色や、ウィッグ等の色であってもよい。また、ユーザ１００の瞳の色は生まれつきの色である必要はなく、カラーコンタクトの色であってもよい。

一変形例では、体格分析部Ｆ１２２は、ユーザ１００の体格に関する分析では、ユーザ１００の体型を判定してよい。ユーザの体型の例としては、カーヴィ体型、スレンダー体型、ナチュラルファット体型、オーバル体型、ストレート体型、マッスル体型、及びトライアングル体型が挙げられる。各体型には、よく見られる傾向があることが知られている。よって、ユーザ１００の身長、体重、肉づき、及び骨格の少なくとも一つの情報に基づいて、ユーザ１００の体型を判定することが可能である。そして、種々のファッション理論から、体型毎に、体型に合う服装のシルエットが決定可能である。

一変形例では、分析部Ｆ１２は、色分析部Ｆ１２１と体格分析部Ｆ１２２との両方を有している必要はなく、色分析部Ｆ１２１と体格分析部Ｆ１２２との少なくとも一方を有していればよい。つまり、分析部Ｆ１２は、身体情報に基づいて、ユーザ１００の色と体格との少なくとも一方に関する分析を行えばよい。

一変形例では、ユーザ情報は、ユーザ１００の身体情報に加えて、ユーザ１００の趣味・趣向に関する情報を含んでいてよい。ユーザ１００の趣味・趣向に関する情報は、ユーザ１００の服装の趣味・趣向（服装の色、服装の模様、服装の形状、服装の種類等）が挙げられる。この場合、生成部Ｆ１３は、ユーザ１００に合う服装の決定にあたって、ユーザ１００の趣味・趣向に関する情報に基づき、ユーザ１００の趣味・趣向に合う服装からユーザ１００に合う服装を選択してよい。

上記実施形態では、ユーザ１００に合う服装に関する問題は、服装の属性をジャンルとして設定可能である。一変形例では、問題のジャンルをユーザ１００が選択可能であってよい。つまり、ユーザ１００は、学習したい服装のジャンルを入力することで、入力したジャンルに対応する学習コンテンツで服装の学習が可能となる。

上記実施形態では、ユーザ１００に合う服装に関する問題は、単純択一形式の多肢選択式問題であるが、これに限定されず、多真偽形式の多肢選択式問題であってもよい。一変形例では、ユーザ１００に合う服装に関する問題は、多肢選択式問題に限定されず、記述問題等の種々の設問形式を採用可能である。

上記実施形態では、服装学習システム１０は、ユーザ１００に合った服装、特に、衣服についての学習を可能とする。一変形例では、服装学習システム１０は、ユーザ１００に合った装身具についての学習を可能としてよい。よって、服装学習システム１０は、ユーザ１００に合った服装（衣服及び装身具）の組み合わせ（コーディネート）の学習を可能としてよい。

一変形例では、服装学習システム１０（特に、提示装置２０及びサーバ４０）は、複数のコンピュータにより構成されていてもよい。例えば、提示装置２０及びサーバ４０の機能（特に、取得部Ｆ１１、分析部Ｆ１２、生成部Ｆ１３、及び提示部Ｆ１４）は、複数の装置に分散されていてもよい。更に、服装学習システム１０の機能の少なくとも一部が、例えば、クラウド（クラウドコンピューティング）によって実現されていてもよい。

以上述べた服装学習システム１０（特に、提示装置２０及びサーバ４０）の実行主体は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを有する。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における服装学習システム１０の実行主体としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されていてもよいが、電気通信回線を通じて提供されてもよい。また、プログラムは、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的な記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１乃至複数の電子回路で構成される。ＬＳＩの製造後にプログラムされる、フィールド・プログラマブル・ゲート・アレイ（ＦＧＰＡ）、ＡＳＩＣ（application specific integrated circuit）、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができる再構成可能な論理デバイスも同じ目的で使うことができる。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。

３．態様
上記実施形態及び変形例から明らかなように、本開示は、下記の態様を含む。以下では、実施形態との対応関係を明示するためだけに、符号を括弧付きで付している。

第１の態様は、服装学習方法であって、ユーザ（１００）の身体情報を含むユーザ情報を取得する取得ステップ（Ｓ１１）と、前記取得ステップ（Ｓ１１）で取得された前記ユーザ情報に基づいて生成される、前記ユーザ（１００）に合う服装を学習するための学習コンテンツを提示する提示ステップ（Ｓ１９）とを含む。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第２の態様は、第１の態様に基づく服装学習方法である。第２の態様では、服装学習方法は、前記身体情報に基づいて、前記ユーザ（１００）の色と体格との少なくとも一方に関する分析を行う分析ステップ（Ｓ１２，Ｓ１３）と、前記分析ステップ（Ｓ１２，Ｓ１３）での分析の結果に基づいて前記ユーザ（１００）に合う服装を決定し、前記学習コンテンツを生成する生成ステップ（Ｓ１４〜Ｓ１８）とを更に含む。この態様によれば、ユーザ（１００）に合う服装の決定の精度が高まる。

第３の態様は、第２の態様に基づく服装学習方法である。第３の態様では、前記分析ステップ（Ｓ１２，Ｓ１３）は、前記ユーザ（１００）の色と体格とに関する分析を行う。前記生成ステップ（Ｓ１４〜Ｓ１８）は、前記ユーザ（１００）の色の分析の結果と体格の分析の結果との組み合わせに基づいて、前記ユーザ（１００）に合う服装を決定する。この態様によれば、ユーザ（１００）に合う服装の決定の精度が高まる。

第４の態様は、第２又は第３の態様に基づく服装学習方法である。第４の態様では、前記ユーザ（１００）の色に関する分析は、前記ユーザ（１００）の肌の色に基づく前記ユーザ（１００）の色の分類を含む。前記ユーザ（１００）の体格に関する分析は、前記ユーザ（１００）の身長、体重、肉づき、骨格、及び体型の少なくとも一つに基づく前記ユーザ（１００）の体格の分類を含む。この態様によれば、ユーザ（１００）に合う服装の決定の精度が高まる。

第５の態様は、第３又は第４の態様に基づく服装学習方法である。第５の態様では、前記生成ステップ（Ｓ１４〜Ｓ１８）は、服装に関する服装データベース（Ｄ１１）を検索して、前記ユーザ（１００）に合う服装を決定する。この態様によれば、ユーザ（１００）に合う服装の決定の精度が高まる。

第６の態様は、第５の態様に基づく服装学習方法である。第６の態様では、前記服装データベース（Ｄ１１）は、前記ユーザ（１００）が所有している服装に関する所有服装データベース（Ｄ１１１）を含む。この態様によれば、学習の効果を高めることができる。

第７の態様は、第６の態様に基づく服装学習方法である。第７の態様では、前記服装データベース（Ｄ１１）は、前記ユーザ（１００）が所有していない服装に関する非所有服装データベース（Ｄ１１２）を含む。前記生成ステップ（Ｓ１４〜Ｓ１８）は、前記非所有服装データベース（Ｄ１１２）よりも先に前記所有服装データベース（Ｄ１１１）を検索する。この態様によれば、学習の効果を高めることができる。

第８の態様は、第２〜第７の態様のいずれか一つに基づく服装学習方法である。第８の態様では、前記学習コンテンツは、前記ユーザ（１００）に合う服装に関する問題（Ｒ１１０〜Ｒ１１３、Ｒ２１０〜Ｒ２１３、Ｒ３１０〜Ｒ３１３）を含む。前記問題（Ｒ１１０〜Ｒ１１３、Ｒ２１０〜Ｒ２１３、Ｒ３１０〜Ｒ３１３）は、設問文（Ｒ１１０、Ｒ２１０、Ｒ３１０）と複数の選択肢（Ｒ１１１〜Ｒ１１３、Ｒ２１１〜Ｒ２１３、Ｒ３１１〜Ｒ３１３）とを含む多肢選択式問題を含む。この態様によれば、学習の効果を高めることができる。

第９の態様は、第８の態様に基づく服装学習方法である。第９の態様では、前記設問文（Ｒ１１０、Ｒ２１０、Ｒ３１０）は、前記分析ステップ（Ｓ１２，Ｓ１３）での分析の結果を含む。この態様によれば、学習の効果を高めることができる。

第１０の態様は、第８又は第９の態様に基づく服装学習方法である。第１０の態様では、前記複数の選択肢（Ｒ１１１〜Ｒ１１３、Ｒ２１１〜Ｒ２１３、Ｒ３１１〜Ｒ３１３）の各々は、服装の画像を含む。この態様によれば、学習の効果を高めることができる。

第１１の態様は、第８〜第１０の態様のいずれか一つに基づく服装学習方法である。第１１の態様では、前記学習コンテンツは、前記問題（Ｒ１１０〜Ｒ１１３、Ｒ２１０〜Ｒ２１３、Ｒ３１０〜Ｒ３１３）の解説（Ｒ１２２、Ｒ２２２、Ｒ３２２）を含む。この態様によれば、学習の効果を高めることができる。

第１２の態様は、第１〜第１１の態様のいずれか一つに基づく服装学習方法である。第１２の態様では、前記提示ステップ（Ｓ１９）は、電子ミラー（２０）の表示装置（２２１）により前記学習コンテンツを提示する。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第１３の態様は、服装学習システム（１０）であって、ユーザ（１００）の身体情報を含むユーザ情報を取得する取得部（Ｆ１１）と、前記取得部（Ｆ１１）で取得された前記ユーザ情報に基づいて生成される、前記ユーザ（１００）に合う服装を学習するための学習コンテンツを提示する提示部（Ｆ１４）とを備える。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第１４の態様は、電子ミラー（２０）であって、表示画面（２２１０）に画像を表示する表示装置（２２１）と、前記表示画面（２２１０）に重ねて配置されるハーフミラー（２２２）と、第１３の態様の服装学習システム（１０）の提示部（Ｆ１４）とを備える。前記提示部（Ｆ１４）は、前記学習コンテンツを前記表示装置（２２１）により提示する。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第１５の態様は、プログラムであって、１以上のプロセッサに、第１〜第１２の態様のいずれか一つの服装学習方法を実行させるための、プログラムである。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

１０ 服装学習システム
２０ 提示装置（電子ミラー）
２２１ 表示装置
２２１０ 表示画面
２２２ ハーフミラー
Ｆ１１ 取得部
Ｆ１４ 提示部
Ｄ１１ 服装データベース
Ｄ１１１ 所有服装データベース
Ｄ１１２ 非所有服装データベース
Ｓ１１ 取得ステップ
Ｓ１２，Ｓ１３ 分析ステップ
Ｓ１４〜Ｓ１８ 生成ステップ
Ｓ１９ 提示ステップ
１００ ユーザ

Claims (15)

1. ユーザの身体情報を含むユーザ情報を取得する取得ステップと、
   前記取得ステップで取得された前記ユーザ情報に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する提示ステップと、
   を含む、
   服装学習方法。
2. 前記身体情報に基づいて、前記ユーザの色と体格との少なくとも一方に関する分析を行う分析ステップと、
   前記分析ステップでの分析の結果に基づいて前記ユーザに合う服装を決定し、前記学習コンテンツを生成する生成ステップと、
   を更に含む、
   請求項１の服装学習方法。
3. 前記分析ステップは、前記ユーザの色と体格とに関する分析を行い、
   前記生成ステップは、前記ユーザの色の分析の結果と体格の分析の結果との組み合わせに基づいて、前記ユーザに合う服装を決定する、
   請求項２の服装学習方法。
4. 前記ユーザの色に関する分析は、前記ユーザの肌の色に基づく前記ユーザの色の分類を含み、
   前記ユーザの体格に関する分析は、前記ユーザの身長、体重、肉づき、骨格、及び体型の少なくとも一つに基づく前記ユーザの体格の分類を含む、
   請求項２又は３の服装学習方法。
5. 前記生成ステップは、服装に関する服装データベースを検索して、前記ユーザに合う服装を決定する、
   請求項３又は４の服装学習方法。
6. 前記服装データベースは、前記ユーザが所有している服装に関する所有服装データベースを含む、
   請求項５の服装学習方法。
7. 前記服装データベースは、前記ユーザが所有していない服装に関する非所有服装データベースを含み、
   前記生成ステップは、前記非所有服装データベースよりも先に前記所有服装データベースを検索する、
   請求項６の服装学習方法。
8. 前記学習コンテンツは、前記ユーザに合う服装に関する問題を含み、
   前記問題は、設問文と複数の選択肢とを含む多肢選択式問題を含む、
   請求項２〜７のいずれか一つの服装学習方法。
9. 前記設問文は、前記分析ステップでの分析の結果を提示する文章を含む、
   請求項８の服装学習方法。
10. 前記複数の選択肢の各々は、服装の画像を含む、
    請求項８又は９の服装学習方法。
11. 前記学習コンテンツは、前記問題の解説を含む、
    請求項８〜１０のいずれか一つの服装学習方法。
12. 前記提示ステップは、電子ミラーの表示装置により前記学習コンテンツを提示する、
    請求項１〜１１のいずれか一つの服装学習方法。
13. ユーザの身体情報を含むユーザ情報を取得する取得部と、
    前記取得部で取得された前記ユーザ情報に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する提示部と、
    を備える、
    服装学習システム。
14. 表示画面に画像を表示する表示装置と、
    前記表示画面に重ねて配置されるハーフミラーと、
    請求項１３の服装学習システムの提示部と、
    を備え、
    前記提示部は、前記学習コンテンツを前記表示装置により提示する、
    電子ミラー。
15. １以上のプロセッサに、請求項１〜１２のいずれか一つの服装学習方法を実行させるための、
    プログラム。

Images