Sep, 2024

解码风格：高效微调LLMs以进行图像引导的个性化服装推荐

HTML
PDF
TL;DR本研究解决个人服装推荐中的时尚兼容性和趋势意识挑战，提出一种新框架，利用大型语言模型（LLMs）通过微调和直接反馈集成来增强其性能。研究表明，基于该框架的推荐系统在跟进时尚趋势方面具有显著优势，从而持续优化购物体验，生成更具风格和趋势的服装搭配建议。
发现论文，激发创造
  • 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

  • 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

  • Style2Vec:基于风格集合的时尚物品表征学习

    提出了一种名为Style2Vec的表示模型，使用卷积神经网络学习时尚产品的风格特征，以较小的前购买物品集合作为一致的风格设置的子集，具有较好的时尚分类性能。

    Aug, 2017

  • 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

  • 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

  • 基于视觉偏好模型的服装推荐冷启动问题解决方案

    本文针对新用户的冷启动问题，提出了一种基于图像偏好建模的方法，通过特征加权聚类来个性化场合导向的穿衣推荐，并证明了该方法在服装属性预测方面的优异性。

    Aug, 2020

  • 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

  • 基于可重复使用的自注意力机制的时尚推荐系统

    利用时序和语境信息，结合不同类型的时尚实体及其异构特征，使用可重用的基于注意力机制的时尚推荐算法AFRA，提供个性化的排名流，风格相似的时装推荐，相似物品推荐和基于最近客户行为的同期推荐，在离线和在线实验中均取得了显著的客户留存和参与度的提高。

    Nov, 2022

  • 语义级别方法在文本到服装检索中的导航

    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。

    Nov, 2023

  • 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