Open kacky24 opened 5 years ago
GCNを、ファッションアイテム間のcompatibility予測に適用した論文。 単一のアイテム画像からの特徴量だけではなく、それに適合するアイテムを周辺ノードとしてエッジを貼ってGCNで考慮することで、精度を大きく向上。
Encoderでは、GCNの層を積むことで特徴抽出を行うが、この際、ランダムにエッジをサンプリングすることで、構造の変化や、エッジが少ない、存在しないアイテムに対してもロバストになる。 Decoderでは、以下の式で対象のcompatibilityを計算
FITBとoutfit compatibilityでSOTA。（下図はpolyvoreの例）
contextを変えると結果も変わる
ただ、すでにcompatibilityが他アイテムと計算されている（すでにコーディネートで使われている、購入の共起があるなど）ことを前提としているため、完全に新商品同士とかだとそのままは使えないはず。
Guillem Cucurull Element AI gcucurull@elementai.com Perouz Taslakian Element AI perouz@elementai.com David Vazquez Element AI dvazquez@elementai.com
https://arxiv.org/pdf/1902.03646.pdf
2019
short summary
GCNを、ファッションアイテム間のcompatibility予測に適用した論文。 単一のアイテム画像からの特徴量だけではなく、それに適合するアイテムを周辺ノードとしてエッジを貼ってGCNで考慮することで、精度を大きく向上。
Encoderでは、GCNの層を積むことで特徴抽出を行うが、この際、ランダムにエッジをサンプリングすることで、構造の変化や、エッジが少ない、存在しないアイテムに対してもロバストになる。 Decoderでは、以下の式で対象のcompatibilityを計算
結果
FITBとoutfit compatibilityでSOTA。（下図はpolyvoreの例）
contextを変えると結果も変わる
ただ、すでにcompatibilityが他アイテムと計算されている（すでにコーディネートで使われている、購入の共起があるなど）ことを前提としているため、完全に新商品同士とかだとそのままは使えないはず。
author
Guillem Cucurull Element AI gcucurull@elementai.com Perouz Taslakian Element AI perouz@elementai.com David Vazquez Element AI dvazquez@elementai.com
URL
https://arxiv.org/pdf/1902.03646.pdf
year
2019