May, 2023

Fashionpedia-Taste：一个解释人类时尚品味的数据集

PDF
TL;DR本文研究了顾客喜欢某种时尚图像的原因。对此，作者引入了一种名为 Fashionpedia-taste 的可解释性数据集，该数据集包含了丰富的注释，解释了主体为什么喜欢或不喜欢某个时尚图像的原因。研究者可以利用我们的数据集来构建计算模型，从不同的人文角度和模态完全了解和解释人类时尚品味。
fashion datasetconsumer preferencefashionpedia-tastehumanistic perspectivescomputational models
发现论文，激发创造
  • 时装百科全书 - 广告：你喜欢的广告是否透露了你的时尚品味？

    本文基于 “Fashionpedia-Ads” 数据集，从广告图像的情感、视觉和文本信息多个角度，分析人们对不同领域的广告图像以及时尚产品图像的喜好，旨在研究广告与人们的时尚品味之间的相关性并促进数据可解释性研究。

    May, 2023

  • Fashionpedia: 本体学、分割和属性定位数据集

    通过探索时尚领域，引入 Fashionpedia 及 Attribute-Mask RCNN 模型，提出物体实例分割及属性定位的任务，以此为基础构建了时尚领域的本体论和数据集，并提出一种新的评估模型。

    Apr, 2020

  • 时尚智取：一个面向自然语言反馈检索图像的新数据集

    该论文介绍了 Fashion IQ 数据集，支持互动式时装图像检索的研究和进展，提供了人工生成的注释、现实世界的产品描述和派生的视觉属性标签等，通过基于 transformer 的用户模拟器和交互式图像检索器提高对话式图像检索的效果，鼓励进一步开发更自然和适用于现实世界的购物助手。

    May, 2019

  • StreetStyle：从数以百万计的照片中探索全球时尚风格

    本研究基于大规模照片数据集，运用深度学习训练分类器和风格聚类方法，分析全球时尚趋势及时空变化规律。

    Jun, 2017

  • 基于图像的风格和替代品推荐

    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

  • 质量与数量：揭示百万高质量时尚设计文本到图像合成的图片

    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

  • PAI-BPR：带属性解释的个性化服装推荐方案

    本论文研究了服装搭配的个性化问题，提出了一种基于属性的可解释的搭配方案，并在 IQON3000 数据集上进行了实验证明其有效性。

    Aug, 2020

  • GeoStyle：发现时尚趋势与事件

    本研究提供了一种自动化框架，分析大量的街头时尚图片，以发现和预测各种时尚属性的长期趋势和自动发现的风格，并确定影响人们穿着的时空本地化事件。相比之前的方法，我们的框架可以做出超过 20％的长期趋势预测，并发现了成百上千个影响全球时装的具有社会意义的事件。

    Aug, 2019

  • 时尚呈现轮廓：从线上资源分析基于身体形状的服装偏好

    收集了一个新的数据集，使用多张照片的方法来预测用户的体型并构建一个有条件的衣服类别模型。研究发现，衣服类别与体型具有相关性，并提出了一个新的基于多视角预测的方法来解决这个问题。

    Jul, 2018

  • 从文化到服装：探索时装图像背后一个世纪的世界事件

    本篇论文介绍了一种数据驱动的方法来识别影响人们服装选择的特定的文化因素，同时通过应用多模态统计模型来改善具体的视觉风格预测和图片时间戳的任务，旨在将文化与服装联系起来的可扩展和易于实施的计算方法的第一步。

    Feb, 2021