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。

Aug, 2019

本文提出一种利用混合 siamese 网络及混合损失函数，结合神经风格迁移技术，以捕捉低级风格特征的图像检索方法，用于检索配套物品，并在实验中得到更优于传统 siamese 网络的结果。

Nov, 2019

GarmentGAN 是一种使用生成对抗方法进行图像化服装转移的算法，可以根据用户提供的两张图像，合成新的虚拟试衣图片，通过在训练中加入分割地图和人体关键点信息，提升了图像的真实性和效果。

Mar, 2020

该研究提出了一种基于深度卷积神经网络和条件类比生成对抗网络的图像类比问题求解方法，可以通过训练数据中成对图像的关系来生成具有该关系的图像，并且可以在时尚模特照片上自动交换服装，目前的实验结果表明该方法可以学习到成对图像间隐性的分割掩模，生成的图片效果较好，并提出了神经网络结构的改进和更高级的应用方向。

Sep, 2017

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

在 COVID19 大流行病之后，由于许多卖家要么改为在线购物，要么关闭试衣间，顾客对购物过程感到犹豫和不确定，因此，使用新的 AI 技术创建一个在线平台或虚拟试衣间 (VFR) 可以满足顾客试穿产品的需求，从而提高销售量和产品质量。

Feb, 2024

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。

Apr, 2018

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

本文提出了一种用于跨摄像头匹配行人的人体再识别框架，通过引入一个选择性强化细粒度共有的局部模式的门控函数，将同一身份的图像向量嵌入到特征空间中更密集的区域，提高了再识别的性能。在 CUHK03、Market-1501 和 VIPeR 数据集上的实验证明，与基线 Siamese CNN 架构相比，该框架表现更优。

Jul, 2016

本研究旨在通过限定人体的粗略轮廓并控制特定服装类型实现真实人体图像的完整生成建模。我们提出了一种端到端可训练的生成式对抗网络架构，它提供了细节控制来生成具有高逼真度的图片，同时无需成对的训练数据，不必拟合 3D 姿势到 2D 图像的困难问题。该模型允许对基于目标领域的图像或标记特定的类别样式（例如 T 恤）进行条件生成。我们对该架构和每个独立要素的贡献进行了充分的实验评估，并通过大规模知觉研究表明，我们的方法可以生成逼真的图像，并且如果面部被模糊化，参与者很难识别真实的图片和虚假的图片之间的区别。

Jan, 2019