神经时尚图像描述生成：应对数据多样性
计算机视觉与模式识别
2021-12-14 v3 人工智能
摘要
图像描述生成具有日益广泛的应用领域，时尚领域亦不例外。对于有时托管数十万张图像的时尚网络平台而言，自动生成商品描述极具价值。本文是最早解决时尚图像描述生成的论文之一。为应对数据集多样性问题，我们引入了InFashAIv1数据集，包含近16000张非洲时尚单品图像及其标题、价格和总体描述。除InFashAIv1外，我们还使用了知名的DeepFashion数据集。描述由Show and Tell模型生成，该模型由CNN编码器和RNN解码器组成。我们表明，在两个数据集上联合训练模型可改善非洲风格时尚图像的描述质量，暗示了从西方风格数据的迁移学习。InFashAIv1数据集已在Github发布，以鼓励更具多样性包容性的工作。
引用
@article{arxiv.2106.12154,
title = {Neural Fashion Image Captioning : Accounting for Data Diversity},
author = {Gilles Hacheme and Noureini Sayouti},
journal= {arXiv preprint arXiv:2106.12154},
year = {2021}
}