Nov, 2023

AI 增强的客户体验推荐系统：一种新颖的图像到文本方法

PDF
TL;DR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。
发现论文，激发创造
  • 基于人工智能的时尚社交电商技术

    本文介绍了一种采用深度学习技术的 AI 驱动时尚社交网络服务，包括时尚电子商务，人们可以分享和浏览他们的 OOTD 照片，而 AI 分析它们并建议类似的风格 OOTD 和相关产品。

    Mar, 2022

  • 基于街拍图像的大规模视觉推荐

    本文提出了四个数据驱动模型用于大规模的视觉推荐系统，这些模型可以有效地利用大量的时尚图片及其丰富的元数据，通过对大规模数据集的深入实验对这些算法进行了分析，并在颜色科学的基础上对其进行了基线，同时展示了从这些实验中学到的关键时尚见解并介绍了一个可以用于未来视觉研究的大规模时尚图像注释数据集（Fashion-136K）。

    Jan, 2014

  • 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

  • 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

  • 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

  • 神经时尚图片字幕生成：考虑数据多样性

    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

  • Chat-to-Design: AI 辅助个性化时装设计

    Chat-to-Design 是一个新的多模式交互系统，用于个性化的时尚设计，将用户通过对话进行衣服设计的步骤进一步细分，可以通过三个子系统来提供沉浸式用户体验，包括对话系统，时尚检索系统和时尚设计系统。

    Jul, 2022

  • 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

  • 时尚电商服装尺码和大小预测的深度学习系统

    本文提出了一种基于深度学习的内容协作方法，用于个性化尺寸和合适度建议，以提高顾客满意度并减少因尺码相关的退货所产生的成本，该方法可以模拟客户和文章数据，并能够为单个帐户背后的多个个体或意图进行建模。

    Jul, 2019

  • 基于图像的端到端时尚推荐

    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。

    May, 2022