面向电子商务的时尚套装生成
计算机视觉与模式识别
2019-04-02 v1 机器学习
机器学习
摘要
将服装单品组合为套装是时尚零售中的一项重要任务。推荐与特定种子单品相搭配的兼容单品集有助于为用户提供引导与灵感，但目前该过程依赖专家造型师手动完成，因而难以扩展且不易个性化。我们使用由视觉与文本特征驱动的多层神经网络，在潜在风格空间中学习单品嵌入，使不同类型但兼容的单品彼此嵌入相近。我们使用 ASOS 套装数据集训练模型，该数据集由专业造型师创建的大量套装组成，并已向研究界发布。我们的模型在离线套装兼容性预测任务中表现强劲。我们利用模型生成套装，并首次在该领域进行 AB 测试，将生成套装与仅匹配合适产品类型但不使用风格信息的基线模型进行比较。对于女装与男装，用户对我们模型生成套装的认可率分别比基线模型高出 21% 与 34%。
引用
@article{arxiv.1904.00741,
title = {Fashion Outfit Generation for E-commerce},
author = {Elaine M. Bettaney and Stephen R. Hardwick and Odysseas Zisimopoulos and Benjamin Paul Chamberlain},
journal= {arXiv preprint arXiv:1904.00741},
year = {2019}
}
备注
9 pages, 9 figures, 4 tables