用于时尚图像检索的半监督特征级属性操控
计算机视觉与模式识别
2019-07-12 v1
摘要
随着以图搜图需求的增长，许多工作研究了时尚实例级图像检索（FIR）任务。此外，近期工作引入了时尚属性操控（FAM）的概念，即在保持其余属性（如形状、图案）不变的情况下操控时尚物品的特定属性（如颜色）。通过这种方式，用户不仅可以搜索“相同”的物品，还可以搜索具有期望属性的“相似”物品。FAM 是一项具有挑战性的任务，因为属性难以定义，且查询的独特特征难以保留。尽管 FIR 与 FAM 在实际应用中都很重要，但以往的研究大多只关注其中一个问题。在本研究中，我们旨在同时在 FIR 与 FAM 上取得有竞争力的性能。为此，我们提出了一种将查询转换为具有期望属性的表示的新方法。我们引入了在特征级进行属性操控的新思路，通过将操控后的特征分布与真实特征分布相匹配来实现。以此方式，属性操控可以独立于从图像中学习表示的过程进行。通过引入特征级属性操控，以往的 FIR 方法能够在不牺牲检索性能的前提下执行属性操控。
引用
@article{arxiv.1907.05007,
title = {Semi-supervised Feature-Level Attribute Manipulation for Fashion Image Retrieval},
author = {Minchul Shin and Sanghyuk Park and Taeksoo Kim},
journal= {arXiv preprint arXiv:1907.05007},
year = {2019}
}
备注
Accepted to BMVC 2019