基于条件集变换的服装搭配补全
机器学习
2023-11-29 v1
摘要
在本文中,我们将服装搭配补全问题表述为一个集合检索任务,并提出了一种解决该问题的新框架。该方案包含一个具有深度神经网络的条件集变换架构以及一种基于兼容性的正则化方法。所提方法对输入集使用置换不变映射,对条件集使用置换等变映射。这允许检索出一个与输入集兼容且反映条件集属性的集合。此外,由于该结构在单次推理中输出输出集的元素,因此相对于输出集的基数可实现可扩展的推理速度。在真实数据上的实验结果表明,所提方法在服装搭配补全任务的准确性、条件满足度以及补全结果的兼容性方面均优于现有方法。
引用
@article{arxiv.2311.16630,
title = {Outfit Completion via Conditional Set Transformation},
author = {Takuma Nakamura and Yuki Saito and Ryosuke Goto},
journal= {arXiv preprint arXiv:2311.16630},
year = {2023}
}
备注
8 pages, 8 figures