色彩变体的故事：时尚电商中的表征与自监督学习

在本文中，我们解决时尚电商中一个关键的问题（关乎客户体验与营收）：色彩变体识别，即识别在设计（或款式）上完全匹配、仅颜色不同的时尚商品。我们提出了一个以深度视觉表征学习为核心的通用框架，用于在我们的时尚电商平台解决该问题。我们的框架可利用以三元组形式给出的监督信号进行训练，这些三元组由人工获取。然而，对于通常存在于如我们这样的时尚电商平台中的海量数据全集，同时覆盖所有困难边缘情况，获取人工标注是不可行的。但令人欣慰且有趣的是，我们观察到时尚电商中的这一关键问题也可通过基于简单颜色抖动的图片增广来解决，后者近期在对比自监督学习（SSL）文献中广泛流行，旨在不使用人工标签来学习视觉表征。这自然引出一个问题：我们能否在我们的用例中利用 SSL，并仍获得与监督框架相当的性能？答案是肯定的！因为色彩变体时尚物品不过是某一款式在不同颜色下的呈现，而一个被训练为对颜色不变（无论有无监督）的模型应当能够识别这一点！本文进一步从定性与定量两方面证明了这一点，同时评估了几种最先进的 SSL 技术，并提出了一种新方法。