VR环境中的设计阶段时尚流行度预测
计算机视觉与模式识别
2022-12-15 v1
摘要
在如时尚般快节奏的行业中，能够预测新服装设计的流行度非常重要，无论对盈利能力还是缓解未售库存问题皆然。此处，我们试图解决该任务，以在虚拟现实设计师应用中向时尚设计师提供信息性预测，使其能在交互式沉浸式环境中基于当前消费者偏好微调创作。为此须应对以下核心挑战：（1）所提方法不应阻碍创作过程，故只能依赖服装的视觉特征；（2）新服装缺乏可外推未来流行度的历史数据；（3）时尚趋势总体高度动态。为此，我们开发了在时尚图像上微调的计算机视觉流水线，以提取相关视觉特征及服装的类别与属性。我们提出层次标签共享（HLS）流水线，用于自动捕捉时尚类别与属性间的层次关系。此外，我们提出MuQAR，一种多模态准自回归神经网络，通过结合服装视觉特征与类别特征预测新装流行度，同时以自回归神经网络建模该服装类别与属性的流行度时间序列。所提HLS与MuQAR在关键基准数据集DeepFashion（图像分类）与VISUELLE（新装销量预测）上均超越当前最先进水平。
引用
@article{arxiv.2212.07187,
title = {Design-time Fashion Popularity Forecasting in VR Environments},
author = {Stefanos-Iordanis Papadopoulos and Christos Koutlis and Anastasios Papazoglou-Chalikias and Symeon Papadopoulos and Spiros Nikolopoulos},
journal= {arXiv preprint arXiv:2212.07187},
year = {2022}
}