基于材料分类的时尚纺织品数据集 - TextileNet
我们介绍了 text2fabric,这是一个将自由文本描述与各种面料材料相链接的新型数据集。该数据集包括 15,000 个自然语言描述,与 3,000 个相应的面料材料图像相关联。通过分析数据集,我们确定了从描述中出现的紧凑词汇表、属性集和关键结构。这使我们能够准确理解人们如何描述面料,并为推广到其他类型材料绘制方向。我们还展示了我们的数据集使得像 CLIP 这样的大型视觉语言模型能够专门化,为面料外观创建有意义的潜在空间,并显著提高了细粒度材料检索和自动字幕等应用。
Jul, 2023
AI 与时尚设计的融合已成为一个前景光明的研究领域,本论文提出了首个 Fashion-Diffusion 数据集,该数据集包含超过一百万高质量的时尚图片和详细的文本描述,并提供了多个用于评估时尚设计模型性能的数据集,推动了 AI 驱动的时尚设计领域的标准化和未来研究的进展。
Nov, 2023
本文介绍了一个名为 iMaterialist Fashion Attribute(iFashion-Attribute)的新数据集,其中包括超过一百万张时尚图片,用 8 组 228 种细粒度属性注释。 作者使用现代 CNN 提供基线结果,并展示了在时尚相关任务上预训练的模型相比从 ImageNet 或其他时尚数据集进行预训练具有更好的迁移学习性能。
Jun, 2019
通过介绍一个新的包含一百万高分辨率时尚图像和丰富结构化文本描述的数据集,本研究旨在推进基于文本的时尚合成和设计领域的研究,为使用先进的生成模型进行时尚合成和设计提供必要性。
Nov, 2023
通过将文本和纹理相结合,FashionTex 框架能够在无需配对数据的情况下,对服装类型和纹理模式进行语义控制,从而支持全身肖像的用户友好型时尚定制。
May, 2023
ClothesNet 是一个大规模的 3D 服装对象数据集,注释包含服装特征、边界线和关键点,可用于计算机视觉和机器人交互任务。通过该数据集,我们为服装感知建立了基准任务,并在机器人交互任务中开发了模拟服装环境,并展示了 ClothesNet 在现实世界实验中的功效。
Aug, 2023
本文介绍了一个名为 ModaNet 的新型数据库,该数据库具有 55,176 张完全注释的街头图像并提供了基于多边形的注释方法,该数据库的主要目的是提供一个技术基准来公平评估应用最新计算机视觉技术的衣服识别算法的进展情况。
Jul, 2018
本研究使用 InFashAIv1 和 DeepFashion 数据集,使用 Show and Tell 算法生成时尚图片的描述,取得更好的效果,并发现对于非洲风格的时尚图片,联合训练提高了图像描述质量,表明西方风格数据的迁移学习是可行的,释放了 InFashAIv1 数据集以促进更多包容性工作。
Jun, 2021
通过引入自主纺织品分析管道,本文解决了传统纺织品分类方法的低效率问题。利用机器人、光谱成像和人工智能分类,我们的系统提高了纺织品分类过程的准确性、效率和可扩展性,为废物管理提供了更可持续和循环化的方法。通过数字孪生系统的整合,进一步评估了技术和经济可行性,为分类系统的准确性和可靠性提供了有价值的洞察。该提出的框架受工业 4.0 原则的启发,包括五个相互连接的层,实现了系统内的无缝数据交换和协调。初步结果突显了我们的整体方法在减少环境影响和促进纺织品行业向循环经济转变方面的潜力。
May, 2024
介绍 Fashion-MNIST 数据集,该数据集由十个类别的七万张灰度图像组成,旨在作为 MNIST 数据集的替代品,用于机器学习算法的基准测试。
Aug, 2017