本文提出了一种基于 Attribute-Specific Embedding Network (ASEN) 的方法，通过全局和局部特征提取以及注意力机制来计算服装之间的细粒度相似度，进而可应用于多种时尚相关领域，取得了较好的实验结果。

Apr, 2021

本研究提出了一种属性引导的多层注意力网络（AG-MLAN），能够在指定属性的引导下更准确地定位属性位置和捕捉区分性特征，并通过对深度时尚、FashionAI 和 Zappos50k 数据集上的实验验证了其在细粒度时尚相似度学习和属性引导检索任务中的有效性。该模型在细粒度时尚相似度检索任务中的表现超过了现有最优方法。

Dec, 2022

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

该研究旨在通过选择具有足够图像数量的类别，删除非常稀少的属性以及在每个类别中合并重复属性，为细粒度属性识别任务量身定制 DeepFashion 数据集，并使用成对排名损失函数的双线性卷积神经网络进行多标签细粒度属性识别，提高了结果，并提供了每个所选类别的详细注释。

Jul, 2018

本文提出了一种基于 Region-to-Patch 框架以及 E-InfoNCE loss 的属性特定时尚检索系统，通过提取细粒度视觉特征，将属性感知的相似度与以往的相似度方法相结合，从而在细节上提高检索结果的准确性。

May, 2023

该研究提出了一种新型语义属性可解释推荐系统（SAERS），通过对细粒度的语义空间建立和用户偏好的注意力机制，给用户提供服装推荐，并在视觉上解释推荐原因的个性化方式。该方法在真实数据集上进行的大量实验表明其效果显著。

May, 2019

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

我们提出了一种条件交叉注意力网络，通过一个单一的主干网络产生可以区分出对象多个具体属性的解缠多空间嵌入。该方法首先利用交叉注意力机制融合和切换条件信息，通过多样的可视化示例证明其有效性。其次，首次将视觉变换应用于细粒度图像检索任务，并提出了一个简单且有效的框架，与现有方法相比。与以往研究不同的是，我们的方法在 FashionAI、DARN、DeepFashion 和 Zappos50K 基准数据集上取得了始终如一的最先进性能。

Jul, 2023

本文介绍了一种基于 Skip-gram 相似方法的网络嵌入算法，该算法能够从节点周围的本地分布中捕捉节点的信息。我们证明了其嵌入矩阵隐式地对节点 - 特征的点间互信息进行了因子分解。实验结果表明，我们的算法在社交网络和 Web 图上具有鲁棒性，计算效率高，且性能优于可比较的模型。

Sep, 2019

本文提出了一种基于深度多模态学习框架 NAS 的归纳属性序列嵌入方法，用于在不同的挖掘任务中学习属性序列的表达，该方法在多个真实数据集上进行了验证。

Nov, 2019