Nov, 2023

语义级别方法在文本到服装检索中的导航

PDF
TL;DR通过用户提供的文字描述，我们提出了一种突破性的时尚推荐方法，该方法生成了一整套完整的服装，从而在时尚推荐领域显著超越了现有技术模型，同时通过文字描述捕捉到了个人风格偏好的本质。
fashion recommendation systemstext-to-outfit retrievalsemantic levelsoutfit recommendationindividual style preferences
发现论文，激发创造
  • 基于风格的相容衣着推荐

    通过高级分类和图像，利用新型的风格编码器网络生成符合实际穿着风格或主题的时装推荐，并通过严谨的实验分析表明其优于现有的最先进的基线。

    Mar, 2022

  • 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

  • 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

  • 服装生成与推荐 -- 实验研究

    本文通过使用欧洲最大时尚商店的用户数据，从个性化和非个性化的角度提供了各种算法的广泛评估和比较，并透露了一些针对尚未在这项任务上进行评估的模型的见解，包括 GPT，BERT 和 Seq-to-Seq LSTM，并提供了适用于个性化服装生成的模型的改进。

    Nov, 2022

  • 从个人衣柜中推荐服装

    本文使用深度神经网络对包含未排序的可变长度服装搭配的推荐进行评级，通过在流行的时尚分享网站 Polyvore 上收集大量服装数据，并结合众包平台的人类判断，验证模型性能，最终构建了服装搭配助理的实用模型。

    Apr, 2018

  • 基于字符的时装生成与通过 LLMs 的视觉增强风格提取

    通过大型语言模型和文本到图像模型，本研究提出了一个基于角色的服装生成问题，以客户的兴趣为基础，根据年龄和性别等要求生成完整的服装套装，从而提高客户对时尚的个性化建议。

    Feb, 2024

  • 双向 LSTM 和自编码器实现服装生成和风格提取

    本研究提出了一种利用无监督风格提取模块来学习装扮的模型，可以更灵活地生成时尚的 outfit，同时成功地在时尚元素预测、风格提取和 outfit 生成任务中超越了基线方法。

    Jun, 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

  • 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

  • 时尚配合的半监督视觉表示学习

    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。

    Sep, 2021