CVPRApr, 2020

使用图神经网络学习家具兼容性

PDF
TL;DR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。
graph neural networkfurniture itemsstylistic compatibilitydeep cnngated recurrent unit
发现论文，激发创造
  • 家具学习风格匹配

    本文利用 Siamese 网络研究家具图像之间的风格兼容性评估。通过使用预训练的 CNNs 的中间层来捕捉风格相关的信息，以及使用图像和文本嵌入法，实现了在样式兼容的条件下，基于文本约束查询匹配的家具项目。同时，我们收集和呈现了大规模不同风格类别的家具图片数据集以供本文方法评估。

    Dec, 2018

  • 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

  • 基于节点图神经网络的服装搭配学习

    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。

    Feb, 2019

  • 用于学习图结构对象相似性的图匹配网络

    本文提出了两个关键性贡献：首先是演示了图神经网络如何训练并嵌入向量空间，以便有效地进行相似性推理；其次是提出了一种新的图匹配网络模型，通过新的跨图注意力匹配机制，在一对图之间共同推理，计算它们之间的相似度得分。在不同领域的实验分析表明，本文提出的模型不仅能够在相似性学习的上下文中利用结构，而且能够优于针对此类问题精心设计的基线系统。

    Apr, 2019

  • 社交推荐的图神经网络

    本文提出了一种图神经网络框架（GraphRec）用于社交推荐，该框架可以共同模拟两个图形和异构强度，并对用户 - 项目图形中的交互和观点进行联合捕获。

    Feb, 2019

  • GNN-GMVO：面向相似商品推荐的图神经网络优化总商品价值

    这篇论文介绍了一种名为 GNN-GMVO（Graph Neural Network - Gross Merchandise Value Optimizer）的新型 GNN 架构，旨在通过考虑物品之间复杂的关系并直接优化 GMV 来解决电子商务系统中的类似物品推荐问题。通过在三个实际数据集上进行全面实验，与一些最先进的基准模型相比，我们的模型在预测性能和预期 GMV 方面展现出更好的表现。

    Oct, 2023

  • 应用图神经网络预测均匀受载钢板的应力

    本研究提出了一种新颖的图嵌入技术，通过将分离的板域视为顶点，利用图采样和聚合（GraphSAGE）预测具有不同几何形状的加劲板的应力分布，对比有限元 - 顶点图表示的方法，研究结果表明，图神经网络和所提出的图嵌入方法作为强大的三维结构的高效减阶模型具有巨大潜力。

    Sep, 2023

  • 图形趋势滤波网络用于推荐

    本文介绍了通过图神经网络进行推荐的方法，并探讨了现有方法的一些缺点，提出一种基于图趋势过滤网络的新方法，以捕捉交互性的自适应可靠性。

    Aug, 2021

  • 基于图神经网络的联邦社交推荐

    本文设计了一种采用图神经网络的联邦学习框架 FeSoG，以解决传统社交推荐算法中的隐私问题，并在三个真实数据集上评估其有效性。

    Nov, 2021

  • 基于多个线索的图神经网络用于图像理解：以群体情绪识别和事件识别为例

    本文提出了一种基于多个线索的图神经网络（GNN）用于图像理解，相比于传统的特征和决策融合方法，GNN 能够在不同模型提取的特征之间传递信息。本文通过两个图像理解任务验证了 GNN 的性能，即组级情感识别（GER）和事件识别。实验表明，该方法在所选图像理解任务中取得了最优的性能。此外，本文介绍并共享了一个新的组级情感识别数据库。

    Sep, 2019