基于颜色失真预测的半监督时尚兼容性预测
计算机视觉与模式识别
2023-01-02 v1
摘要
监督学习方法一直受制于必须拥有大规模标注数据集这一事实，而这类数据集难以获取。对于时尚兼容性预测而言，这一问题更为显著，因为兼容性旨在捕捉人们对美学的感知，而这些感知稀疏且多变。因此，由于快时尚的影响，标注数据集可能迅速过时。此外，标注数据集总需要一定的专家知识；至少标注者应具备良好的美学感知。然而，该领域的自监督/半监督学习技术十分有限。本文中，我们提出一个通用的颜色失真预测任务，迫使基线模型识别低级图像信息，从而为时尚兼容性预测学习更具判别力的表示。具体而言，我们首先通过调整图像色彩平衡、对比度、锐度和亮度来失真图像。然后，我们提出在将失真图像输入卷积神经网络（CNN）骨干网络之前向其添加高斯噪声，以学习所有可能出现失真的概率分布。所提出的预训练任务被应用于时尚兼容性预测的最先进方法中，并展现出其在提升这些方法提取更优特征表示能力方面的有效性。将该预训练任务应用于基线模型可稳定优于原始基线。
引用
@article{arxiv.2212.14680,
title = {Semi-supervised Fashion Compatibility Prediction by Color Distortion Prediction},
author = {Ling Xiao and Toshihiko Yamasaki},
journal= {arXiv preprint arXiv:2212.14680},
year = {2023}
}