WWWFeb, 2019

基于节点图神经网络的服装搭配学习

PDF
TL;DR本文提出一种将时装搭配表示为图形，并基于节点间的交互关系通过节点感知的图形神经网络来预测搭配的兼容性得分的方法。实验结果表明，所提出的方法在填空和兼容性预测两个任务上均表现出较高的优越性。
fashion recommendationoutfit compatibilitygraph neural networksnode interactionsmultimodal learning
发现论文，激发创造
  • 时尚推荐：使用 GNN 的服装搭配

    利用图神经网络分析时尚产业的机器学习应用，评估 Polyvore 数据集中的衣着搭配和商品推荐准确性，并比较两种现有模型在任务完成和兼容性预测上的性能。我们发现 Hypergraph Neural Network 在两个任务上稍微具有更好的性能，并尝试使用视觉转换器生成的嵌入向量以提高预测准确性。

    Apr, 2024

  • 基于 Transformer 的图神经网络用于服装生成

    本文提出了一种基于图的服装推荐和生成方法，使用 TGNN 架构和多头自注意机制，实现了在现有服装集合中发现新的具有吸引力的服装，并在两个不同数据集上获得了最先进的兼容性估计结果。

    Apr, 2023

  • 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

  • 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

  • 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

  • 上下文感知的视觉相容性预测

    本文介绍一种基于图神经网络的方法，通过产品嵌入向量预测衣物单品或搭配的视觉配合性，相较于其他基于成对比较的模型，我们的模型涵盖更丰富的背景信息取得了业界领先的效果。

    Feb, 2019

  • 使用图神经网络学习家具兼容性

    本研究提出了一种基于图神经网络（GNNs）的方法，通过图结构捕捉家具家庭的内在关系，进而预测家具套装的风格是否兼容，并在 Bonn 和 Singapore 家具数据集上展示了最先进的预测精度。

    Apr, 2020

  • 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

  • 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