Dec, 2022

细粒度时尚检索的属性引导多级注意力网络

PDF
TL;DR本研究提出了一种属性引导的多层注意力网络（AG-MLAN），能够在指定属性的引导下更准确地定位属性位置和捕捉区分性特征，并通过对深度时尚、FashionAI 和 Zappos50k 数据集上的实验验证了其在细粒度时尚相似度学习和属性引导检索任务中的有效性。该模型在细粒度时尚相似度检索任务中的表现超过了现有最优方法。
发现论文，激发创造
  • 细粒度表示学习的属性感知注意力模型

    本文提出一种新颖的 Attribute-Aware Attention Model（A^3M）模型，可以同时学习局部属性表示和全局类别表示，通过属性 - 类别互惠过程，从而更好地提取图像中的固有信息，以实现更好的图像识别效果。

    Jan, 2019

  • 属性特定嵌入网络实现细粒度服装相似度学习

    该论文提出了一种通过 Attribute-Specific Embedding Network 和 Attention modules 来实现细粒度时尚相似度计算的方法，并在四个时尚相关数据集上验证了其有效性和在时尚重新排序方面的潜力。

    Feb, 2020

  • 属性特定嵌入学习实现精细服饰相似度预测

    本文提出了一种基于 Attribute-Specific Embedding Network (ASEN) 的方法，通过全局和局部特征提取以及注意力机制来计算服装之间的细粒度相似度，进而可应用于多种时尚相关领域，取得了较好的实验结果。

    Apr, 2021

  • 基于图注意力网络探索多个面部属性的相关性

    本文提出一种基于多任务学习和图注意力层的人脸多属性识别方法，通过对属性关系的挖掘来提高 CelebA 和 LFWA 数据集上的识别准确率。

    Oct, 2018

  • 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

  • MMFL-Net: 跨界时尚检索的多尺度和多粒度特征学习

    提出了一种新颖的多尺度、多粒度特征学习网络（MMFL-Net），旨在训练一个 C2S 时装视觉相似性的跨领域模型，其中包括对抗域差异的设计和多任务属性识别和分类模块的组合。

    Oct, 2022

  • Few-Shot 识别的属性引导与纯视觉注意力对齐

    本文提出了一种利用人工注释属性的属性引导注意力模块 (AGAM)，以实现更具有区分性的特征学习，从而改善仅使用视觉信息的查询集的特征选择，达到了不同数据集和设置下的最先进性能。

    Sep, 2020

  • 基于注意力机制的图聚类网络

    提出了一种名为注意力驱动图聚类网络（AGCN）的深度聚类方法，它利用异质性智能融合模块动态融合节点属性特征和拓扑图特征，并开发了一个分别针对不同层嵌入的多尺度特征进行自适应聚合的规模智能融合模块，通过联合学习特征和聚类分配，可以更加灵活有效地执行聚类任务。实验结果表明，该方法性能优于现有的深度聚类方法。

    Aug, 2021

  • 自动空间感知时尚概念发现

    本文提出了一种利用来自购物网站的弱标签化的图像文本数据进行自动空间感知概念发现的方法，通过将服装图像及其对应描述联合建模，并通过将词汇语义向量表示与卷积地图得出的空间表示相结合生成空间感知表示。我们进一步将空间感知表示用于属性聚类，以形成空间感知概念，最终将视觉语义嵌入空间分解为多种概念特定子空间，以利用多模态语言规律实现结构化浏览和属性反馈产品检索。我们在新收集的 Fashion200K 数据集上进行了大量实验，聚类质量评估和属性反馈产品检索任务的结果证明了我们自动发现的空间感知概念的有效性。

    Aug, 2017

  • Fashion-AttGAN：多目标 GAN 与属性感知时尚编辑

    本文介绍了面向属性的时尚编辑，提出了 Fashion-AttGAN 模型，并构建了新任务的数据集，实验结果证明了 Fashion-AttGAN 在时尚编辑方面的有效性。

    Apr, 2019