通过深度视觉感知潜项嵌入发现风格趋势
计算机视觉与模式识别
2018-04-25 v1
摘要
在本文中，我们探索潜在狄利克雷分配(LDA)与多语潜在狄利克雷分配(PolyLDA)，作为从预训练卷积神经网络迁移的深度视觉语义特征以及基于文本的商品属性中发现 Overstock 上流行风格的手段。为将深度视觉语义特征与 LDA 结合使用，我们开发了一种由展开图像向量创建词袋表示的方法。通过将 Resnet-50 卷积层内的通道视为代表一个词，我们可对这些激活建立索引以创建视觉文档。我们随后在这些文档上训练 LDA 以发现图像中的潜在风格。我们还通过 PolyLDA 融入基于文本的数据，其中每种表示被视为试图描述同一风格的独立语言。所得主题被证明是我们平台上视觉风格的极佳指示。
引用
@article{arxiv.1804.08704,
title = {Discovering Style Trends through Deep Visually Aware Latent Item Embeddings},
author = {Murium Iqbal and Adair Kovac and Kamelia Aryafar},
journal= {arXiv preprint arXiv:1804.08704},
year = {2018}
}
备注
CVPR Workshops Accepted Paper