基于图像的端到端时尚推荐

May, 2022

End-to-End Image-Based Fashion Recommendation

Shereen Elsayed, Lukas Brinkmeyer, Lars Schmidt-Thieme

TL;DR本研究提出了一种简单而有效的基于属性注意力模型，利用图片特征进行更好的项目推荐，结果显示比所有最先进的基于图片的模型都要优秀。

Abstract

In fashion-based recommendation settings, incorporating the item image features is considered a crucial factor, and it has shown significant improvements to many traditional models, including but not limited to matrix factorization, auto-encoders, and nearest neighbor models. While the

fashion-based recommendation image features attribute-aware models deep neural networks item representation learning

发现论文，激发创造

基于生成图像模型的视觉感知时尚推荐与设计

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

基于美学的服装推荐

本文提出了一种将审美特征引入衣服推荐系统的方法，首先介绍了一个预先训练的用于审美评估任务的神经网络提取审美特征，然后提出一个新的张量分解模型以个性化的方式整合这些特征，实验证明这种方法能够捕捉用户的审美偏好并且显著优于其他推荐方法。

Sep, 2018

基于可解释图像表示的视觉感知个性化推荐

本文提出了一种新颖的个性化服装推荐方法，该方法使用可解释的图像特征学习过程来解释用户对特定视觉属性和风格的偏好，并在个性化排名任务中实现了最先进的性能。

Jun, 2018

面向属性的可解释补充服装推荐

本研究旨在通过提出一种新的基于属性信息的时装推荐器（AFRec），来解决时尚推荐任务中的可解释性挑战。AFRec 推荐器通过显式地利用每个项的视觉特征提取的属性级别表示来评估服装的兼容性。通过利用显式属性，AFRec 能够在推荐过程中实现最先进的推荐精度和直观的解释。

Jul, 2021

可视化说明的推荐系统

本文提出了基于注意力神经网络的可视化解释推荐模型，这种模型可同时提供用户感兴趣的推荐结果和推荐理由，其关键在于模拟用户注意力，使用隐式反馈和文本评价进行监督学习。实验结果表明，所提出的模型不仅可提高推荐性能，还可以提供具有说服力的视觉解释。

Jan, 2018

AI 增强的客户体验推荐系统：一种新颖的图像到文本方法

利用人工智能为时尚推荐系统提供细粒度的视觉解释，自动为顾客上传的图像生成有意义的描述，引导从全球时尚产品目录中检索出符合视觉特征的类似替代品，进而实现个性化的时尚推荐，并在超过 100,000 张已分类的时尚照片数据集上进行训练和评估，物体检测模型的 F1 分数为 0.97，展示了优化的准确时尚物体识别能力，这个视觉感知系统代表了个性化时尚推荐中的重要进展。

Nov, 2023

一种面向视觉感知推荐系统的黑盒攻击模型

该论文研究了基于图像的协同过滤推荐系统中可能存在的视觉攻击，并提出了一种新的视觉攻击模型，该模型可以有效地影响推荐系统中商品的排名，并证明了该攻击模型可以在不了解模型参数的情况下，通过对商品图像进行微小不可察觉的修改，从而提高商品的分数。

Nov, 2020

上下：用单类协同过滤模型建模时尚趋势的视觉演化

本文介绍了一种利用深度卷积神经网络，结合用户反馈和时尚趋势进行实时热门商品推荐的算法，以及该算法在 Amazon 上进行的实验。

Feb, 2016

基于可重复使用的自注意力机制的时尚推荐系统

利用时序和语境信息，结合不同类型的时尚实体及其异构特征，使用可重用的基于注意力机制的时尚推荐算法 AFRA，提供个性化的排名流，风格相似的时装推荐，相似物品推荐和基于最近客户行为的同期推荐，在离线和在线实验中均取得了显著的客户留存和参与度的提高。

Nov, 2022

FashionSearchNet-v2: 使用特征位置定位学习属性表示，用于带属性操纵的图像检索

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