ECCVMar, 2018

为时装兼容性学习类型感知嵌入

PDF
TL;DR该论文提出了一种学习图像嵌入的方法，以尊重物品类型，并联合学习物品的相似性和兼容性。通过在 Polyvore 网站上爬取用户创建的 68,306 个配装数据集，该方法在配装兼容预测和填空任务中取得了 3-5％的改进，支持各种有用的查询。
outfitssimilaritycompatibilityimage embeddingpolyvore
发现论文，激发创造
  • 双向 LSTMs 学习时尚搭配

    本文提出了一种基于双向 LSTM 的视觉 - 语义嵌入方法，可以为线上时尚购物提供更有效的推荐服务，实验结果表明该方法在 Polyvore 数据集上具有优秀的性能。

    Jul, 2017

  • 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

  • OutfitTransformer：学习服装表示以进行时尚推荐

    提出了 OutfitTransformer 框架，该框架使用任务特定标记并利用自我注意机制来学习有效的全套装备级别表示，在分类和检索任务上获得了优越的性能，实现了配对、补充！

    Apr, 2022

  • 跨服装类别学习时尚搭配以进行服装推荐

    本文提出了一种基于孪生网络和全连接网络的推荐方法，其中加入颜色直方图功能以提高时尚兼容性评价，且网络训练采用拉普拉斯和矩阵变量正态分布以增强网络效率和稀疏性。

    May, 2019

  • 基于风格的相容衣着推荐

    通过高级分类和图像，利用新型的风格编码器网络生成符合实际穿着风格或主题的时装推荐，并通过严谨的实验分析表明其优于现有的最先进的基线。

    Mar, 2022

  • 使用异构二元共现学习视觉服装风格

    本研究提出了一种新的学习框架，通过使用 Siamese Convolutional Neural Network 从不同品类的物品图像中学习特征转化，进而发掘不同物品之间的兼容性。研究人员使用来自 Amazon.com 的协同购买数据来建立兼容性模型，并引入了一种新的训练数据采样策略，以学习跨品类匹配知识，该研究的实验结果表明，提出的学习框架能够学习关于外观风格的语义信息，并能够生成适合混搭的衣物组合。

    Sep, 2015

  • 多层比较网络在服装搭配预测和诊断中的应用

    本研究提出了一种能够预测和诊断服装配对兼容性的深度学习框架，其中利用了不同类型的 CNN 来解决从颜色到风格等不同方面的兼容性问题，并通过基于 Polyvore 数据集的实验验证出较高的预测和诊断能力。

    Jul, 2019

  • 时尚服装搭配配件检索

    提出一种基于类别的子空间注意力网络和穿搭排名损失的服装搭配推荐框架，用于补充物品检索，实验结果表明其在服装搭配和物品检索任务上均优于现有方法。

    Dec, 2019

  • Style2Vec: 基于风格集合的时尚物品表征学习

    提出了一种名为 Style2Vec 的表示模型，使用卷积神经网络学习时尚产品的风格特征，以较小的前购买物品集合作为一致的风格设置的子集，具有较好的时尚分类性能。

    Aug, 2017

  • 学习相似条件无需显式监督

    提出一种联合学习多个相似性条件的表示及其贡献的潜变量的方法，能够有效地处理图片比较问题并兼顾泛化能力。

    Aug, 2019