基于视觉分段和语义相似性的趋势感知时尚推荐
计算机视觉与模式识别
2025-06-10 v1 机器学习
摘要
我们引入一个结合深度视觉表征、服装感知分段、语义类别相似性和用户行为模拟的趋势感知且视觉导向的时尚推荐系统。我们的管线通过语义分段遮蔽非服装区域，然后使用预训练CNN主干（ResNet-50、DenseNet-121、VGG16）提取特征。为模拟真实购物行为，我们生成受用户特定时尚度和物品流行度影响的合成购买历史。推荐采用加权评分函数计算，融合视觉相似性、语义一致性和流行度匹配。在DeepFashion数据集上的实验表明，方法在性别对齐方面表现一致，在类别相关性方面显著提升，ResNet-50实现64.95%的类别相似度并获得最低的 popularity MAE。消融研究确认视觉线索和流行度线索的互补作用。我们的方法为在个性化时尚推荐中平衡个人风格与新兴趋势提供了可扩展框架。我们的实现已公开于https://github.com/meddjilani/FashionRecommender
关键词
引用
@article{arxiv.2506.07773,
title = {Trend-Aware Fashion Recommendation with Visual Segmentation and Semantic Similarity},
author = {Mohamed Djilani and Nassim Ali Ousalah and Nidhal Eddine Chenni},
journal= {arXiv preprint arXiv:2506.07773},
year = {2025}
}