ICCVAug, 2019

基于相似性金字塔的图推理网络对时尚检索

PDF
TL;DR该研究提出了一种新颖的基于相似性金字塔的图推理网络（GRNet）算法，通过多尺度的全局和局部表征学习查询和画廊衣服的相似性，以解决现有算法中将判别的局部信息淹没在全局表征中的不足，进而实现了服装图像在电子商务中的精准检索。
clothing imagese-commercegraph reasoning networksimilarity pyramidclothing retrieval
发现论文，激发创造
  • 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

  • 图文匹配的相似性推理与过滤

    本研究针对图像和文本匹配问题，提出了一种新颖的基于相似性图推理和注意力过滤的网络模型 (SGRAF)，通过学习矢量化的相似性表示，利用局部和全局对齐信息进行关系感知相似度计算，并通过注意力机制选择性地整合对齐信息，实现了在 Flickr30K 和 MSCOCO 数据集上取得最新的最佳表现。

    Jan, 2021

  • 基于图的全局推理网络

    该研究提出了一种名为 GloRe 的全局推理单元，实现了卷积神经网络对于远距离区域之间的全局关系的建模，能够有效提升图像识别、语义分割和视频行为识别等计算机视觉任务的性能。

    Nov, 2018

  • 时装地标检测的布局图推理

    本文提出了一种基于多层次的布局图推理层的方法，通过在中间表示中 na 无缝执行结构布局关系来检测多样化服装的密集关键点。实验结果表明，该模型具有优越性能，并贡献出了第一个细粒度的时尚标志物数据集以支持更全面的衣服生成和属性识别。

    Oct, 2019

  • FashionSearchNet-v2: 使用特征位置定位学习属性表示，用于带属性操纵的图像检索

    本文提出了一种基于属性操控的图像检索方法，使用 FashionSearchNet-v2 架构学习属性特定表示，并通过弱监督定位模块提高相似性学习，所得的本地表示基于被指导的属性操控合并为单个全局表示，在多个数据集上展示了 FashionSearchNet-v2 的优越性和可泛化性。

    Nov, 2021

  • 通过学习场景图之间的相似度进行图像检索

    本文通过使用图神经网络测量场景图的相似度，提出了一种基于场景图相似度的图像检索方法，并使用人工注释的标题计算图片相关性测量来训练图神经网络，收集了一个数据集用于评估检索算法，并显示我们的方法比竞争方法更符合人类对图像相似性的感知。

    Dec, 2020

  • MMFL-Net: 跨界时尚检索的多尺度和多粒度特征学习

    提出了一种新颖的多尺度、多粒度特征学习网络（MMFL-Net），旨在训练一个 C2S 时装视觉相似性的跨领域模型，其中包括对抗域差异的设计和多任务属性识别和分类模块的组合。

    Oct, 2022

  • 双属性感知排名网络实现跨域图像检索

    本文提出了一种基于双属性感知排序网络的跨域图像检索方法，解决了实际应用中用户拍摄的非理想服装图像与在线购物图片之间巨大差距的问题，并通过语义属性学习、视觉相似性约束以及大规模数据集的使用极大地提高了图像检索的性能。

    May, 2015

  • 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

  • 基于生成图像模型的视觉感知时尚推荐与设计

    本文研究了在时尚等领域中建立有效的推荐系统的挑战，并提出了一种基于 Siamese CNNs 以及深度学习网络的时尚感知图像表示和推荐方法，通过在像素级别训练图像表示和推荐系统，可以显著提高推荐性能和生成新的时尚产品设计。

    Nov, 2017