丢失了你的风格？基于语义级方法的文本到穿搭检索导航

时尚造型师历来弥合了消费者愿望与完美穿搭之间的鸿沟，后者涉及颜色、图案与材质的复杂组合。尽管时尚推荐系统近期进展在穿搭兼容性预测与互补物品检索方面取得进步，这些系统严重依赖预选的客户选择。因此，我们引入一种开创性的时尚推荐方法：文本到穿搭检索任务，其仅基于用户给出的文本描述生成完整穿搭集合。我们的模型设计于三个语义层级——物品、风格与穿搭，每一层级逐步聚合数据以基于文本输入形成连贯的穿搭推荐。在此，我们利用类似于对比语言-图像预训练模型中的策略来处理穿搭集合内复杂的风格矩阵。使用 Maryland Polyvore 与 Polyvore Outfit 数据集，我们的方法在文本-视频检索任务中显著优于最先进模型，确立了其在时尚推荐领域的有效性。本研究不仅开创了时尚推荐系统的新面向，也引入了一种通过文本描述捕捉个体风格偏好本质的方法。