論文の概要: Learning Fashion Compatibility from In-the-wild Images

• arxiv url: http://arxiv.org/abs/2206.05982v1
• Date: Mon, 13 Jun 2022 09:05:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-14 15:50:12.524138
• Title: Learning Fashion Compatibility from In-the-wild Images
• Title（参考訳）: in-the-wildイメージから学ぶファッションの相性
• Authors: Additya Popli, Vijay Kumar, Sujit Jos and Saraansh Tandon
• Abstract要約: 筆者らは,自己教師型学習を通じて,現在地にあるストリートファッション画像から,互換性予測のための表現を学習する。 本研究の前提課題は、同一人物が着用する異なる項目の表現が、他人が着用するものよりも近いように定式化されている。 ファッションコンフィグレーションベンチマークとして,Polyvore と Polyvore-Disjoint の2種類について実験を行った。
• 参考スコア（独自算出の注目度）: 6.591937706757015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Complementary fashion recommendation aims at identifying items from different categories (e.g. shirt, footwear, etc.) that "go well together" as an outfit. Most existing approaches learn representation for this task using labeled outfit datasets containing manually curated compatible item combinations. In this work, we propose to learn representations for compatibility prediction from in-the-wild street fashion images through self-supervised learning by leveraging the fact that people often wear compatible outfits. Our pretext task is formulated such that the representations of different items worn by the same person are closer compared to those worn by other people. Additionally, to reduce the domain gap between in-the-wild and catalog images during inference, we introduce an adversarial loss that minimizes the difference in feature distribution between the two domains. We conduct our experiments on two popular fashion compatibility benchmarks - Polyvore and Polyvore-Disjoint outfits, and outperform existing self-supervised approaches, particularly significant in cross-dataset setting where training and testing images are from different sources.
• Abstract（参考訳）: 相補的なファッションレコメンデーションは、衣装として「うまく行く」異なるカテゴリー(シャツ、履物など)のアイテムを特定することを目的としている。 既存のアプローチのほとんどは、手動で調整された互換アイテムの組み合わせを含むラベル付き衣装データセットを使用して、このタスクの表現を学習する。 本研究では,コンパチブルな服装を身に着けることが多いという事実を活かし,自己教師付き学習を通じて,街頭ファッション画像からコンパチブル予測のための表現を学習することを提案する。 本研究の前提課題は、同一人物が着用する異なる項目の表現が、他人が着用するものよりも近いように定式化されている。 さらに,推測中の画像とカタログの領域間ギャップを低減するために,両領域間の特徴分布の差を最小限に抑える対角的損失を導入する。 我々は、PolyvoreとPolyvore-Disjointの2つの一般的なファッション互換性ベンチマークで実験を行い、既存の自己教師型アプローチよりも優れています。

関連論文リスト

• Distractors-Immune Representation Learning with Cross-modal Contrastive Regularization for Change Captioning [71.14084801851381]
  変更キャプションは、類似した画像間のセマンティックな変化を簡潔に記述することを目的としている。 既存のほとんどの手法は、それらの違いを直接キャプチャし、エラーを起こしやすい特徴を得るリスクを負う。 本稿では,2つの画像表現の対応するチャネルを関連づけるイントラクタ免疫表現学習ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T13:00:33Z)
• Clothes-Changing Person Re-Identification with Feasibility-Aware Intermediary Matching [86.04494755636613]
  現在の衣服変更者の再識別(re-id)アプローチは通常、衣服に関係のない特徴に基づいて検索を行う。 本稿では,ファッション関連機能を検索に利用するためのFAIMフレームワークを提案する。 提案手法は, 広く使用されている衣服変化型re-idベンチマークにおいて, 最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2024-04-15T06:58:09Z)
• Transformer-based Graph Neural Networks for Outfit Generation [22.86041284499166]
  TGNNは、畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして、多面的な自己注意を利用して、グラフ内の衣服アイテム間の関係をキャプチャする。 畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして,多面的な自己注意を利用して,グラフ内の衣服アイテム間の関係をキャプチャするトランスフォーマーアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-17T09:18:45Z)
• VICTOR: Visual Incompatibility Detection with Transformers and Fashion-specific contrastive pre-training [18.753508811614644]
  Visual InCompatibility TransfORmer (VICTOR) は、1) 回帰としての全体的な互換性、2) ミスマッチアイテムの検出の2つのタスクに最適化されている。 Polyvore-MISFITと呼ばれる新しいデータセットを作成し、部分的にミスマッチした服を生成するために、Polyvoreの服のベンチマークを構築した。 一連のアブレーションと比較分析により、提案されたアーキテクチャは、現在のPolyvoreデータセットの最先端を競合し、越えることが可能であることを示している。
  論文  参考訳（メタデータ） (2022-07-27T11:18:55Z)
• Recommendation of Compatible Outfits Conditioned on Style [22.03522251199042]
  この作品は、実生活で身につけるようなスタイルやテーマを前提とした衣装を作り出すことを目的としている。 我々は、スムーズなラテント空間で衣装スタイルをレンダリングする新しいスタイルエンコーダネットワークを使用している。
  論文  参考訳（メタデータ） (2022-03-30T09:23:32Z)
• Semi-Supervised Visual Representation Learning for Fashion Compatibility [17.893627646979038]
  そこで本研究では,フライ時に擬陽性で擬陰性な衣服を作成できる半教師付き学習手法を提案する。 トレーニングバッチ内の各ラベル付き服について、ラベル付服の各項目とラベル付品とをマッチングすることにより、擬似アウトフィットを得る。 我々はPolyvore、Polyvore-D、新たに作成した大規模Fashion Outfitsデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2021-09-16T15:35:38Z)
• From Culture to Clothing: Discovering the World Events Behind A Century of Fashion Images [100.20851232528925]
  本稿では,着る衣服に影響を及ぼす特定の文化的要因を特定するための,データ駆動型アプローチを提案する。 私たちの仕事は、計算的、スケーラブルで、簡単にリフレッシュ可能なアプローチによる、カルチャーと衣服のリンクに向けた第一歩です。
  論文  参考訳（メタデータ） (2021-02-02T18:58:21Z)
• Apparel-invariant Feature Learning for Apparel-changed Person Re-identification [70.16040194572406]
  ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。 ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。 着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
  論文  参考訳（メタデータ） (2020-08-14T03:49:14Z)
• Unsupervised Landmark Learning from Unpaired Data [117.81440795184587]
  教師なしランドマーク学習の最近の試みは、外観は似ているがポーズでは異なる合成画像対を活用する。 本稿では,2回スワッピング・リコンストラクション・ストラテジーを適用して最終監視を行うクロスイメージ・サイクル整合性フレームワークを提案する。 提案するフレームワークは,強いベースラインを大きなマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-06-29T13:57:20Z)
• Fashion Recommendation and Compatibility Prediction Using Relational Network [18.13692056232815]
  我々は、新しい互換性学習モデルを開発するための関係ネットワーク(RN)を開発する。 FashionRNは、任意の数のアイテムを任意の順序で、服全体の互換性を学習する。 我々はPolyvoreのウェブサイトから収集した49,740の服の大規模なデータセットを用いてモデルを評価した。
  論文  参考訳（メタデータ） (2020-05-13T21:00:54Z)
• Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
  本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。 エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。 提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-03-11T16:17:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。