基于关系网络的时尚推荐与搭配兼容性预测
信息检索
2020-05-15 v1 人工智能
机器学习
摘要
时尚本质上是一个视觉概念，计算机视觉与人工智能（AI）正在塑造该领域未来中扮演日益重要的角色。许多研究致力于基于所学用户偏好推荐时尚产品。然而，除推荐单件物品外，AI 还可帮助用户利用已有单品搭配出时尚着装，或购买与其现有衣橱相配的额外物品。兼容性是利用单品打造时尚着装的关键要素。以往研究多聚焦于成对兼容性建模。少数考虑整体着装的方法存在诸多局限，例如需要丰富的语义信息、类别标签以及固定的物品顺序。因此，当此类信息缺失时，它们无法有效判定兼容性。本工作中，我们采用关系网络（RN）开发新的兼容性学习模型 Fashion RN 与 FashionRN-VSE，以克服现有方法的局限。FashionRN 以任意数量、任意顺序的物品学习整体着装的兼容性。我们使用从 Polyvore 网站收集的包含 49,740 套着装的大规模数据集评估模型。在定量上，我们的实验结果表明，在兼容性预测与填空测试中，相较文献中的替代方法取得了最先进的性能。在定性上，我们也展示了 FashionRN 学到的物品嵌入能够指示时尚物品间的兼容性。
引用
@article{arxiv.2005.06584,
title = {Fashion Recommendation and Compatibility Prediction Using Relational Network},
author = {Maryam Moosaei and Yusan Lin and Hao Yang},
journal= {arXiv preprint arXiv:2005.06584},
year = {2020}
}