FashionFail：应对时尚目标检测与分割中的失败案例
计算机视觉与模式识别
2024-09-12 v1 人工智能
摘要
在针对在线购物图像的时尚目标检测与分割领域，现有的最先进时尚解析模型存在局限性，特别是在面对非模特穿着的服装和特写镜头时。为了解决这些失败情况，我们引入了 FashionFail：一个包含用于目标检测与分割的电子商务图像的新时尚数据集。该数据集利用我们利用最新基础模型构建的新型标注工具进行了高效整理。FashionFail 的主要目标是作为一个测试平台，用于评估模型的鲁棒性。我们的分析揭示了诸如 Attribute-Mask R-CNN 和 Fashionformer 等领先模型的缺陷。此外，我们提出了一种使用朴素数据增强的基线方法，以缓解常见的失败案例并提高模型鲁棒性。通过这项工作，我们旨在启发并支持针对工业应用的时尚单品检测与分割的进一步研究。数据集、标注工具、代码和模型可在 \url{https://rizavelioglu.github.io/fashionfail/} 获取。
引用
@article{arxiv.2404.08582,
title = {FashionFail: Addressing Failure Cases in Fashion Object Detection and Segmentation},
author = {Riza Velioglu and Robin Chan and Barbara Hammer},
journal= {arXiv preprint arXiv:2404.08582},
year = {2024}
}
备注
to be published in 2024 International Joint Conference on Neural Networks (IJCNN)