$c^+$GAN：互补服饰搭配推荐
计算机视觉与模式识别
2019-07-06 v1 信息检索
机器学习
摘要
我们提出一种条件生成对抗模型，从成对的时尚服装分布中抽取真实样本，并为任意时尚单品提供可搭配的真实样本。更具体地，给定一张从时尚杂志、宣传册甚至手机上任意点击获取的衬衫图像，我们从参数化的条件分布（学习为条件生成对抗网络（GAN)）中抽取真实样本，以生成可与衬衫搭配的 possible 裤子。我们以 Mirza 和 Osindero [arXiv:1411.1784] 提出的经典 cGAN 模型为起点，修改生成器与判别器，使其适用于无人工对齐的野外采集数据。我们从网络爬取数据构建数据集，系统性地开发了一种克服此类数据固有问题的方法，并基于我们的技术给出了可信的结果。我们提出简单的思路，基于搜索结果的相似性，来评估这些技术如何克服当任意服装物品需与另一相关物品搭配时存在的认知鸿沟。
引用
@article{arxiv.1906.05596,
title = {$c^+$GAN: Complementary Fashion Item Recommendation},
author = {Sudhir Kumar and Mithun Das Gupta},
journal= {arXiv preprint arXiv:1906.05596},
year = {2019}
}
备注
KDD'19: Workshop on AI for Fashion. arXiv admin note: text overlap with arXiv:1806.08977, arXiv:1411.1784, arXiv:1609.04802 by other authors