利用语义解析实现时尚推荐的多样性
计算机视觉与模式识别
2019-10-21 v1 信息检索
摘要
由于用户所关注准则本身存在模糊性，构建时尚图像推荐系统具有挑战性。针对每张输出图像基于不同特征或部位与查询图像相似而推荐多张图像，是缓解该问题的一种方式。现有时尚推荐工作使用 Siamese 或 Triplet 网络分别学习相似对之间和相似-不相似三元组之间的特征。然而，这些方法未提供诸如两张服装图像如何相似、或两图中哪些部位使其相似等基本信息。本文提出通过显式学习并利用基于部位的相似性来推荐图像。我们提出了一种利用部位视觉注意力和纹理编码网络从弱监督数据中学习判别特征的新方法。我们表明，在 DeepFashion 数据集上，所学特征在检索任务中超越了最先进水平。随后，我们使用所提模型推荐在任一部位相似性上具有显式变化的时尚图像。
引用
@article{arxiv.1910.08292,
title = {Diversity in Fashion Recommendation using Semantic Parsing},
author = {Sagar Verma and Sukhad Anand and Chetan Arora and Atul Rai},
journal= {arXiv preprint arXiv:1910.08292},
year = {2019}
}
备注
5 pages, ICIP2018, code: https://github.com/sagarverma/fashion_recommendation_stlstm