时尚配合的半监督视觉表示学习

Sep, 2021

Semi-Supervised Visual Representation Learning for Fashion Compatibility

Ambareesh Revanur, Vijay Kumar, Deepthi Sharma

TL;DR本文提出了一种半监督学习方法，其中利用大型未标记时尚语料库来在训练期间动态创建假正向和假反向服装，通过提出的一致性规则来确保原始图像和其转换的表示是一致的，实现多属性的学习，在 Polyvore、Polyvore-D 和新建的大规模时装套装数据集上进行了实验，并表示，该方法拥有与完全监督方法相当的预测性能。

Abstract

We consider the problem of complementary fashion prediction. Existing approaches focus on learning an embedding space where fashion items from different categories that are visually compatible are closer to each other. However, creating such labeled outfits is intensive and also not fe

complementary fashion prediction semi-supervised learning pseudo-outfit consistency regularization large-scale fashion outfits datasets

发现论文，激发创造

为时装兼容性学习类型感知嵌入

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

双向 LSTMs 学习时尚搭配

本文提出了一种基于双向 LSTM 的视觉 - 语义嵌入方法，可以为线上时尚购物提供更有效的推荐服务，实验结果表明该方法在 Polyvore 数据集上具有优秀的性能。

Jul, 2017

使用异构二元共现学习视觉服装风格

本研究提出了一种新的学习框架，通过使用 Siamese Convolutional Neural Network 从不同品类的物品图像中学习特征转化，进而发掘不同物品之间的兼容性。研究人员使用来自 Amazon.com 的协同购买数据来建立兼容性模型，并引入了一种新的训练数据采样策略，以学习跨品类匹配知识，该研究的实验结果表明，提出的学习框架能够学习关于外观风格的语义信息，并能够生成适合混搭的衣物组合。

Sep, 2015

时尚服装搭配配件检索

提出一种基于类别的子空间注意力网络和穿搭排名损失的服装搭配推荐框架，用于补充物品检索，实验结果表明其在服装搭配和物品检索任务上均优于现有方法。

Dec, 2019

跨服装类别学习时尚搭配以进行服装推荐

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

学习潜在 "外貌": 从时尚图像中无监督发现风格一致的嵌入

提出了一种基于概率多语言主题模型的无监督方法来发现一组潜在的风格因子，进而通过混合这些因子来对时尚图片进行风格总结，并无需任何风格标签，从而可以根据风格来组织衣服图库。

Jul, 2017

利用弱标注数据进行时尚图像检索和标签预测

本文提出一种基于弱监督学习的视觉表示学习方法，适用于电子商务产品。采用噪声数据集进行学习，不需要手动标注，其学习表示可用于服装类别的向下分类和图像检索任务，并且不使用所提供的训练集，实现了几乎最先进的结果。

Sep, 2017

学习相似条件无需显式监督

提出一种联合学习多个相似性条件的表示及其贡献的潜变量的方法，能够有效地处理图片比较问题并兼顾泛化能力。

Aug, 2019

OutfitTransformer：学习服装表示以进行时尚推荐

提出了 OutfitTransformer 框架，该框架使用任务特定标记并利用自我注意机制来学习有效的全套装备级别表示，在分类和检索任务上获得了优越的性能，实现了配对、补充！

Apr, 2022

基于街拍图像的大规模视觉推荐

本文提出了四个数据驱动模型用于大规模的视觉推荐系统，这些模型可以有效地利用大量的时尚图片及其丰富的元数据，通过对大规模数据集的深入实验对这些算法进行了分析，并在颜色科学的基础上对其进行了基线，同时展示了从这些实验中学到的关键时尚见解并介绍了一个可以用于未来视觉研究的大规模时尚图像注释数据集（Fashion-136K）。

Jan, 2014