基于层次化多模态表示的时尚风格模仿学习
机器学习
2020-04-15 v1 计算机视觉与模式识别
摘要
时尚是一种复杂的社会现象。人们通过专家或时尚偶像的示范来追随时尚风格。然而，对于机器智能体而言，从示范中学习模仿时尚专家可能具有挑战性，尤其是在具有高维、多模态观测的复杂风格环境中。现有大多数关于服装搭配的研究利用监督学习方法来模仿风格偶像的行为。这些方法存在分布偏移问题：由于智能体贪婪地模仿某些给定的服装示范，它可能因细微差异而从一种风格漂移到其他风格。在这项工作中，我们提出了一种对抗逆强化学习公式，在模仿过程中基于层次化多模态表示（HM-AIRL）恢复奖励函数。该层次化联合表示能够更全面地建模专家搭配的服装示范以恢复奖励函数。我们证明了所提出的 HM-AIRL 模型能够恢复对多模态观测变化具有鲁棒性的奖励函数，从而使我们能够在不同风格间的显著差异下学习策略。
引用
@article{arxiv.2004.06229,
title = {Imitation Learning for Fashion Style Based on Hierarchical Multimodal Representation},
author = {Shizhu Liu and Shanglin Yang and Hui Zhou},
journal= {arXiv preprint arXiv:2004.06229},
year = {2020}
}