Oct, 2017

明星穿搭：从视频中检索时尚产品

PDF
TL;DR本研究提出了一个系统，用于从视频内容中检索服装和时尚产品。通过将服装物品和视频帧存入索引数据库并使用时间聚合和快速索引技术进行帧检索，我们能够以简单和非侵入性的方式从视频中找出时尚产品。在大规模数据集上进行的实验表明，使用该框架可以将内存需求降低 42.5 倍，而精度仍然保持在约 90％左右。
clothingfashion productsvideo retrievalindexed databasetemporal aggregation
发现论文，激发创造
  • 时尚聚焦：多模态检索系统 用于电子商务中视频商品本地化

    该研究提出了一种名为 “时尚聚焦” 的多模态检索系统的创新演示，用于自动实现准确的视频到购物匹配，该系统结合图像、文本、交互等不同模态的特征，通过视频内容的结构化和多模态检索过程实现。

    Feb, 2021

  • 一种真实世界服装检索系统的有效流程

    本文提出了一种有关服装检索系统的流程，采用检测、检索和后处理的三个部件，首先进行检测任务以进行精确的检索，然后采用基于度量学习的模型检索相应的物品，并采用加权框融合和特征拼接等后处理方法来提高检索鲁棒性。该方法在 DeepFashion2 Clothes Retrieval 2020 挑战中获得了第二名。

    May, 2020

  • 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

  • 从野外图像中搜索服装产品

    该研究提出了一个用于在社交媒体上寻找相似服装的系统，该系统使用多个 CNN 检测器定位高级别描述区域并将其分类，最终使用多任务功能中学习到的特征嵌入对每个项目进行比较，并根据距离排名。

    Jul, 2019

  • Studio2Shop：从摄影室拍摄到时尚文章

    本文主要介绍了计算机视觉领域中，特别关注于时尚领域中的街景图与商家图片之间匹配问题，该文提出了一种基于深度卷积神经网络的模型，使用领域专属的数字表示并在仿真测试中表现良好。

    Jul, 2018

  • 基于街拍图像的大规模视觉推荐

    本文提出了四个数据驱动模型用于大规模的视觉推荐系统，这些模型可以有效地利用大量的时尚图片及其丰富的元数据，通过对大规模数据集的深入实验对这些算法进行了分析，并在颜色科学的基础上对其进行了基线，同时展示了从这些实验中学到的关键时尚见解并介绍了一个可以用于未来视觉研究的大规模时尚图像注释数据集（Fashion-136K）。

    Jan, 2014

  • Video2Shop: 在视频中准确匹配服装到在线购物图片

    本文提出了一个名为 AsymNet 的深度神经网络，并使用此网络解决了一个新的跨领域问题 ——Video2Shop，该问题针对的是将视频中出现的衣服与在线商店中的完全相同的物品进行匹配。AsymNet 采用了很好的方法从视频中提取特征，并使用 LSTM 框架对视频进行序列建模，以捕捉视频中的时间动态。为了准确匹配视频和在线购物图像，AsymNet 利用可重构的深层树结构下的相似性网络来联合建模 LSTM 隐藏状态和图像特征。作者还提出了一种近似训练方法来实现训练的效率，并在大型跨领域数据集上进行了广泛实验，证明了所提出的 AsymNet 的有效性和效率，它优于现有的最先进方法。

    Apr, 2018

  • 利用现有资源：使用协同信息源提取视频表示

    该论文旨在将来自不同模态的视频信息压缩为单一、紧凑的表示形式，以用于自由格式文本查询的视频检索任务。通过运用预训练的语义嵌入、自动语音识别和光学字符识别等方法，采用协作专家模型来聚合信息，具有良好的检索性能。

    Jul, 2019

  • 语义级别方法在文本到服装检索中的导航

    通过用户提供的文字描述，我们提出了一种突破性的时尚推荐方法，该方法生成了一整套完整的服装，从而在时尚推荐领域显著超越了现有技术模型，同时通过文字描述捕捉到了个人风格偏好的本质。

    Nov, 2023

  • AI 增强的客户体验推荐系统：一种新颖的图像到文本方法

    利用人工智能为时尚推荐系统提供细粒度的视觉解释，自动为顾客上传的图像生成有意义的描述，引导从全球时尚产品目录中检索出符合视觉特征的类似替代品，进而实现个性化的时尚推荐，并在超过 100,000 张已分类的时尚照片数据集上进行训练和评估，物体检测模型的 F1 分数为 0.97，展示了优化的准确时尚物体识别能力，这个视觉感知系统代表了个性化时尚推荐中的重要进展。

    Nov, 2023