CVPRApr, 2018

Video2Shop: 在视频中准确匹配服装到在线购物图片

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 利用 GAN 和孪生网络从真实照片匹配服装的 PoshakNet 框架

    提出使用基于 GAN 和 Siamese 网络的视觉搜索框架，可以从输入的照片中提取被穿着的服装并与数据集中的服装进行匹配，以帮助在线购物客户更好地搜索商品。

    Nov, 2019

  • 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

  • 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

  • 时尚电商中的多模态端到端产品匹配

    在线市场与电子商务公司中，产品匹配是识别同一产品不同表示以提高可发现性、整理性和定价性的重要能力。我们在一个行业环境中提出了一个强大的多模态产品匹配系统，其中大规模的数据集、数据分布转移和未知领域带来了挑战。我们比较了不同的方法，并得出结论，通过预先训练的图像和文本编码器的相对简单的投影，通过对比学习进行训练，可以在成本和性能方面取得最新的结果。我们的解决方案优于单模态匹配系统和大规模预训练模型，例如 CLIP。此外，我们展示了如何将人机协作过程与基于模型的预测相结合，实现在生产系统中接近完美的精度。

    Mar, 2024

  • 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

  • 明星穿搭：从视频中检索时尚产品

    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。

    Oct, 2017

  • 基于深度学习的大规模电子商务视觉推荐和搜索

    本文提出了一种统一的端到端方法，用于构建面向电子商务的大规模视觉搜索和推荐系统。我们通过统一的深度卷积神经网络结构，VisNet，来学习嵌入，以捕捉几个语义颗粒度的视觉相似性概念，从而证明了我们方法在 Exact Street2Shop 数据集上的优越性能，为 Flipkart 的 50M 产品目录提供了支持 2K 的视觉推荐查询，从而产生了显著的业务影响。

    Mar, 2017

  • 基于注意力知识蒸馏的神经兼容性建模

    本文旨在研究如何利用先进的深度神经网络和丰富的时尚领域知识来解决衣服搭配问题。通过采用基于教师 - 学生网络方案的注意力知识蒸馏的神经兼容建模方案，我们证明了该模型优于现有的方法。在与其他算法比较的过程中我们还发现了一些有价值的时尚洞见。

    Apr, 2018