基于双向LSTM与自编码器的服装搭配生成与风格提取
计算机视觉与模式识别
2018-10-24 v3 机器学习
机器学习
摘要
在创建服装搭配时,风格是选择每件时尚单品的标准。这意味着风格可视为整体搭配的一个特征。然而,在以往各种关于服装搭配生成的研究中,鲜有方法关注从一套搭配中获得的全局信息。为弥补这一不足,我们将一个无监督风格提取模块引入模型以学习搭配。利用搭配整体的风格信息,所提模型无需额外信息即成功更灵活地生成搭配。此外,所提模型提取的风格信息易于解释。该模型在两个人工生成的搭配数据集上评估。在时尚单品预测任务(缺失预测任务)中,所提模型优于基线方法。在风格提取任务中,所提模型提取出若干易区分的风格。在搭配生成任务中,所提模型在控制风格的同时生成搭配。该能力使我们能依据不同偏好生成时尚搭配。
引用
@article{arxiv.1807.03133,
title = {Outfit Generation and Style Extraction via Bidirectional LSTM and Autoencoder},
author = {Takuma Nakamura and Ryosuke Goto},
journal= {arXiv preprint arXiv:1807.03133},
year = {2018}
}
备注
9 pages, 5 figures, KDD Workshop AI for fashion