SAT：用于服饰搭配兼容性预测的自适应训练
计算机视觉与模式识别
2022-06-28 v1
摘要
本文提出一种用于服饰搭配兼容性预测的自适应训练（SAT）模型。其聚焦于一些困难物品的学习，例如那些具有相似颜色、纹理和图案特征但因美学或时间偏移被认为不兼容的物品。具体而言，我们首先设计一种方法定义困难搭配，并基于为其推荐物品的难度定义和分配难度分数（DS）给每个搭配。然后，我们提出一种考虑搭配 DS 的自适应三元组损失（SATL）。最后，我们提出一个结合所提 SATL 的极简条件相似度网络，以实现服饰搭配兼容性预测中困难物品的学习。在公开可用的 Polyvore Outfits 和 Polyvore Outfits-D 数据集上的实验证明了我们的 SAT 在服饰搭配兼容性预测中的有效性。此外，我们的 SATL 可轻松扩展到其他条件相似度网络以提升其性能。
引用
@article{arxiv.2206.12622,
title = {SAT: Self-adaptive training for fashion compatibility prediction},
author = {Ling Xiao and Toshihiko Yamasaki},
journal= {arXiv preprint arXiv:2206.12622},
year = {2022}
}