Sep, 2017

利用弱标注数据进行时尚图像检索和标签预测

PDF
TL;DR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。
visual representatione-commerce productsweakly supervised learningclothing categoriesimage retrieval
发现论文，激发创造
  • 弱监督表示学习在大规模产品检索中的应用

    本文介绍了一种用于 eBay 可视搜索挑战的弱监督商品检索的新型解决方案，该方案通过使用来自商品标题的伪属性作为多标签分类的真实值，采用多个强大的 backbones，包括白化，重排序和模型集成等后处理技术，实现了 71.53% 的 MAR，为 “Involution King” 在排行榜上获得第二名。

    Aug, 2022

  • 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

  • 自动空间感知时尚概念发现

    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。

    Aug, 2017

  • 对象、属性及其关联的弱监督学习

    该论文介绍了一种基于弱标记图像的对象属性关联的建模方法，并提出了一个新的弱监督非参数贝叶斯模型，能够描述图像，包括对象、属性、关联及其位置和分割。实验表明，该方法在图像描述和基于对象属性关联的检索任务上表现好于强监督模型。

    Mar, 2015

  • SizeNet：时尚图片中视觉尺寸和适合度的弱监督学习

    本文提出了一种基于视觉信息的尺码自动预测框架 SizeNet，通过统计模型和富含信息的服装图片结合学习尺码、棉质和不同常见服饰的特征用于解决电商时尺码匹配问题。

    May, 2019

  • 基于生成图像模型的视觉感知时尚推荐与设计

    本文研究了在时尚等领域中建立有效的推荐系统的挑战，并提出了一种基于 Siamese CNNs 以及深度学习网络的时尚感知图像表示和推荐方法，通过在像素级别训练图像表示和推荐系统，可以显著提高推荐性能和生成新的时尚产品设计。

    Nov, 2017

  • Fashion CUT: 无监督领域自适应，在服装可视化模式分类中应用合成数据和伪标签

    本研究使用无监督领域适应技术将合成的时尚图像转化为真实世界的图像，用于训练一个无需真实世界标注数据的视觉模式分类模型，实验表明该方法优于其他无监督领域迁移算法。

    May, 2023

  • FaD-VLP: 面向统一检索和说明的时尚视觉语言预训练

    提出了一个基于三元组生成的时尚特定预训练框架和可同时执行时尚检索和字幕任务的灵活解码器模型设计，具有跨模态检索、图像检索、图像字幕和多模态分类等多种功能。

    Oct, 2022

  • 服装电子商务中的色彩变体：表征和自监督学习故事

    本文旨在解决时尚电商领域的一个重要问题：颜色变体识别。通过使用深度视觉表示学习和自我监督学习技术，提出了一个通用框架来解决这个问题。研究结果表明，训练模型对颜色不变性（无论是否受监督）能够实现时尚产品中基于风格（样式）的识别，而不仅仅是颜色变化的识别。

    Dec, 2021

  • 上下：用单类协同过滤模型建模时尚趋势的视觉演化

    本文介绍了一种利用深度卷积神经网络，结合用户反馈和时尚趋势进行实时热门商品推荐的算法，以及该算法在 Amazon 上进行的实验。

    Feb, 2016