面向时尚搭配兼容性的半监督视觉表示学习
计算机视觉与模式识别
2021-09-17 v1 机器学习
摘要
我们考虑互补时尚预测问题。现有方法侧重于学习一个嵌入空间，使来自不同类别且视觉上兼容的时尚单品彼此更接近。然而，创建此类带标签的搭配集劳动强度大，且无法生成所有可能的搭配组合，尤其在大型时尚目录下更不可行。本工作中，我们提出一种半监督学习方法，利用大规模无标签时尚语料在训练过程中动态生成伪正样本与伪负样本搭配。对于训练批次中每个有标签搭配，我们通过将搭配中每件单品与无标签单品匹配来获得伪搭配。此外，我们引入一致性正则化，以确保原始图像及其变换的表示一致，从而通过自监督隐式融入颜色及其他重要属性。我们在 Polyvore、Polyvore-D 以及我们新构建的大规模 Fashion Outfits 数据集上进行了充分实验，表明仅使用少量有标签样本时，我们的方法与完全监督方法表现相当。
引用
@article{arxiv.2109.08052,
title = {Semi-Supervised Visual Representation Learning for Fashion Compatibility},
author = {Ambareesh Revanur and Vijay Kumar and Deepthi Sharma},
journal= {arXiv preprint arXiv:2109.08052},
year = {2021}
}
备注
ACM RecSys'21 (9 pages) DOI: https://dl.acm.org/doi/10.1145/3460231.3474233