自动空间感知时尚概念发现

ICCVAug, 2017

Automatic Spatially-aware Fashion Concept Discovery

Xintong Han, Zuxuan Wu, Phoenix X. Huang, Xiao Zhang, Menglong Zhu...

TL;DR本文提出了一种利用来自购物网站的弱标签化的图像文本数据进行自动空间感知概念发现的方法，通过将服装图像及其对应描述联合建模，并通过将词汇语义向量表示与卷积地图得出的空间表示相结合生成空间感知表示。我们进一步将空间感知表示用于属性聚类，以形成空间感知概念，最终将视觉语义嵌入空间分解为多种概念特定子空间，以利用多模态语言规律实现结构化浏览和属性反馈产品检索。我们在新收集的 Fashion200K 数据集上进行了大量实验，聚类质量评估和属性反馈产品检索任务的结果证明了我们自动发现的空间感知概念的有效性。

Abstract

This paper proposes an automatic spatially-aware concept discovery approach using weakly labeled image-text data from shopping websites. We first fine-tune GoogleNet by jointly modeling clothing images and their

concept discovery spatial-aware image-text data visual-semantic embedding fashion200k dataset

发现论文，激发创造

FashionSearchNet-v2: 使用特征位置定位学习属性表示，用于带属性操纵的图像检索

本文提出了一种基于属性操控的图像检索方法，使用 FashionSearchNet-v2 架构学习属性特定表示，并通过弱监督定位模块提高相似性学习，所得的本地表示基于被指导的属性操控合并为单个全局表示，在多个数据集上展示了 FashionSearchNet-v2 的优越性和可泛化性。

Nov, 2021

自动发现、关联估计和学习语义属性：千种类别

本文提出了一种端到端的无监督属性学习方法，利用在线文本语料库自动发现与人类概念语义属性相关的显著且有区分度的词汇，并针对文本中的噪声和缺失数据，提出了一个深度卷积模型来优化课程 - 属性关联。实验证明，该方法能够有效地在大规模数据集上发现和学习语义属性，并且在 ImageNet、Animals 较 Attributes 和 aPascal/aYahoo 三个数据集上优于现有技术的零样本学习效果。

Apr, 2017

利用弱标注数据进行时尚图像检索和标签预测

本文提出一种基于弱监督学习的视觉表示学习方法，适用于电子商务产品。采用噪声数据集进行学习，不需要手动标注，其学习表示可用于服装类别的向下分类和图像检索任务，并且不使用所提供的训练集，实现了几乎最先进的结果。

Sep, 2017

社交媒体中的时尚知识自动提取

本文提出了一种从社交媒体自动收集时尚知识的新系统，它通过图像、文本和元数据的多个模态统一了场合、人物和服装发现的三个任务，并应用上下文化的时尚概念学习模型来提高时尚概念学习性能，同时通过弱标签建模方法进一步提高性能，并构建了一个网站来展示我们的系统提取的时尚知识的质量。

Aug, 2019

SK Planet 的视觉时尚产品搜索

使用视觉搜索和反向索引的方法，基于多个时尚属性和颜色、图案等视觉特征，构建了一个大规模的时尚商品搜索系统。

Sep, 2016

可解释的时尚推荐：一个基于语义属性区域引导的方法

该研究提出了一种新型语义属性可解释推荐系统（SAERS），通过对细粒度的语义空间建立和用户偏好的注意力机制，给用户提供服装推荐，并在视觉上解释推荐原因的个性化方式。该方法在真实数据集上进行的大量实验表明其效果显著。

May, 2019

语义嵌入式深度神经网络：提升多标签图像分类性能的通用方法

本文介绍了一种使用语义嵌入深度神经网络，采用基于空间感知语义特征和通道注意力模型的方法来提高多标签预测模型性能的方法。实验证明，与基线方法相比，该方法平均相对改进 15.27％，在 Instagram 时尚服装图像上进行了多标签时尚属性分类的核心实验和消融研究，并将模型性能与我们的方法进行比较，发现我们的方法性能更优秀。

May, 2023

时尚字幕生成：基于语义奖励的准确描述生成

本文介绍了一种新颖的学习框架，结合属性级语义，句子级语义和强化学习来生成精确的时尚图片描述，同时构建了一个新的时尚图片描述数据集以证明模型的有效性。

Aug, 2020

时尚配合的半监督视觉表示学习

本文提出了一种半监督学习方法，其中利用大型未标记时尚语料库来在训练期间动态创建假正向和假反向服装，通过提出的一致性规则来确保原始图像和其转换的表示是一致的，实现多属性的学习，在 Polyvore、Polyvore-D 和新建的大规模时装套装数据集上进行了实验，并表示，该方法拥有与完全监督方法相当的预测性能。

Sep, 2021

时尚搭配自监督视觉属性学习

本文提出了一种自监督学习的框架，通过针对颜色和纹理设计的三个自监督任务，实现了不使用标签的颜色和纹理感知特征学习，并在多个数据集上取得了较好的性能。

Aug, 2020