FASH-iCNN：通过多模态 CNN 探针实现编辑时装身份可检验
高能物理 - 唯象学
2026-04-30 v1
摘要
时尚 AI 系统通常在不透露其实现的前提下对特定品牌、编辑人员及历史时刻的审美逻辑进行编码。我们提出 FASH-iCNN，一个基于 87,547 张跨越 1991-2024 年、15 个时装品牌的 Vogue 秀秀图像训练的多模态系统，使该文化逻辑可被检验。给定一件衣物的照片，系统可恢复其所属品牌、所属年代及所反映的配色传统。仅用服装的模型在 14 个品牌上实现 78.2% 的 Top-1 身份识别，在 10 个年代上实现 88.6% 的 Top-1 识别，在 34 个年份上实现 58.3% 的 Top-1 识别，平均误差仅为 2.2 年。通过探测哪些视觉通道携带此信号，我们发现：移除颜色仅使品牌身份识别准确率下降 10.6pp，而移除纹理则使其下降 37.6pp，从而确立纹理与亮度为编辑身份的主要载体。FASH-iCNN 将编辑文化视为信号本身而非背景噪声，识别每个输出所塑造的品牌、年代及配色传统，使用户能够看到系统预测的内容背后所编码的品牌、编辑人员及历史时刻。
引用
@article{arxiv.2604.26185,
title = {Radiative charmonium decays in a contact-interaction model with dynamical quark anomalous magnetic moment},
author = {Yehan Xu and Zanbin Xing and Khépani Raya and Lei Chang},
journal= {arXiv preprint arXiv:2604.26185},
year = {2026}
}
备注
7 pages, 3 figures