本篇论文提出了一种从社交媒体中自动提取时尚知识的方法，该方法结合了图像、文本和元数据多种模态中的场合、人物和服装三个方面进行探测，并采用上下文化时尚概念学习模块提供了对于人物检测和服装识别的解决方案，在机器标注数据有限的情况下，通过弱标签建模模块有效地利用了机器标注数据。实验结果证明了我们的模型在时尚概念预测方面的有效性以及提取知识与全面分析的有用性。

Aug, 2019

社交媒体在时尚行业中起到了重要作用，本论文研究了社交媒体时尚知识抽取任务，将其作为一个描述问题来处理，旨在从社交媒体帖子中直接生成基于句子的时尚知识。

Sep, 2023

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

在社交媒体平台中，基于多模态的情感分析是时尚相关帖子分析中的两大主要挑战，我们提出了一种新的框架，该框架可以共同利用图像视觉，帖子文本和时尚属性模态来确定情感类别。

Nov, 2021

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

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

本文介绍了一种采用深度学习技术的 AI 驱动时尚社交网络服务，包括时尚电子商务，人们可以分享和浏览他们的 OOTD 照片，而 AI 分析它们并建议类似的风格 OOTD 和相关产品。

Mar, 2022

本研究提供了一种自动化框架，分析大量的街头时尚图片，以发现和预测各种时尚属性的长期趋势和自动发现的风格，并确定影响人们穿着的时空本地化事件。相比之前的方法，我们的框架可以做出超过 20％的长期趋势预测，并发现了成百上千个影响全球时装的具有社会意义的事件。

Aug, 2019

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

本文利用一种通用的物品识别器，通过无监督学习对从社交媒体上收集的 24 个类别，共 60,000 张未标注的衣物照片进行预训练，并对新出的 Open Images V4 数据集上的 8,200 张带标签的照片进行优化，其结果在小物体识别上比当前最先进的物品检测器提高了 11％到 17％，并且在测试图片上达到了 72.7％的平均精度。

Jun, 2018