通过高级分类和图像，利用新型的风格编码器网络生成符合实际穿着风格或主题的时装推荐，并通过严谨的实验分析表明其优于现有的最先进的基线。

Mar, 2022

这份论文提出了一种名为 'Complete the Look' 的新任务，旨在通过场景图像来推荐视觉上兼容的产品，并提出了一种基于多层感知机和注意力机制的方法，实现了对全局和局部的测量，并通过大量实验验证了其性能优于现有替代方案的结果。

Dec, 2018

该论文提出了一种学习图像嵌入的方法，以尊重物品类型，并联合学习物品的相似性和兼容性。通过在 Polyvore 网站上爬取用户创建的 68,306 个配装数据集，该方法在配装兼容预测和填空任务中取得了 3-5％的改进，支持各种有用的查询。

Mar, 2018

该研究以 Pinterest 的 Shop The Look 为例，介绍了建立一个基于视觉搜索的在线购物系统的核心技术、服务基础设施、数据标注方法和用户体验评估，并通过离线评估、人类相关性判断和在线 A/B 实验，实现了多方面的性能提升，包括累积相对增益超过 160% 的人类相关性判断和超过 80% 的用户参与度。

Jun, 2020

通过用户提供的文字描述，我们提出了一种突破性的时尚推荐方法，该方法生成了一整套完整的服装，从而在时尚推荐领域显著超越了现有技术模型，同时通过文字描述捕捉到了个人风格偏好的本质。

Nov, 2023

本文使用深度神经网络对包含未排序的可变长度服装搭配的推荐进行评级，通过在流行的时尚分享网站 Polyvore 上收集大量服装数据，并结合众包平台的人类判断，验证模型性能，最终构建了服装搭配助理的实用模型。

Apr, 2018

本文使用孪生卷积神经网络大力提取商品名中的关键属性，以此学习人类的样式兼容性，实现自动化的搭配推荐。

Aug, 2017

本文通过使用欧洲最大时尚商店的用户数据，从个性化和非个性化的角度提供了各种算法的广泛评估和比较，并透露了一些针对尚未在这项任务上进行评估的模型的见解，包括 GPT，BERT 和 Seq-to-Seq LSTM，并提供了适用于个性化服装生成的模型的改进。

Nov, 2022

本文旨在通过建立一个基于图像的大规模数据集并开发一个可扩展的方法来揭示人类视觉关系方面的概念模型，该模型不是基于用户注释的细粒度建模，而是基于图像关系网络的网络推理问题。 其提供了一个用于训练和评估的大规模数据集，并可用于推荐衣物和配饰的搭配。

Jun, 2015

本文提出了一种基于孪生网络和全连接网络的推荐方法，其中加入颜色直方图功能以提高时尚兼容性评价，且网络训练采用拉普拉斯和矩阵变量正态分布以增强网络效率和稀疏性。

May, 2019