패션 산업에서 색상 정의는 매년 변화하며 자주 쓰이는 색상 또한 계속해서 변화하는 동적 특성을 가지고 있다. 그러나 온라인 쇼핑 산업은 일관된 기준으로 색상을 분류하며, 이 과정에서 특정 색상 필터에 의류가 부족하거나 과도하게 존재하는 문제가 발생하고 있다. 이러한 불균형은 패션 인공지능 시스템의 성능에도 부정적인 영향을 미치고 있다. 특히 온아웃이라는 인공지능 패션 스타트업을 창업하게 되면서 유저 중심으로 평가되어야 하는 인공지능은 동일한 간격의 RGB 색상 공간을 기준으로 이미지를 학습하지만 사람의 색상 인식은 RGB 공간 내의 미세한 값 변화에 크게 영향을 받는다는 문제를 발견했다. 또한 사람의 색상 인식은 시간에 따라 지속적으로 변화하기 때문에 지속적인 색상 재정의가 필요하다. 이에 본 연구는 패션 전문가들이 분류한 실제 판매되는 의류의 색상 데이터를 분석하여 트렌드를 반영한 색상 팔레트를 제시하며, 데이터 분포에 기반하여 유저 중심의 세분화된 색상 팔레트를 생성하는 방안을 제안한다. 이를 통해 현존하는 문제를 해결하고 패션 인공지능의 성능을 향상시키는 방법을 탐색하고자 한다.