Bildbasierte Empfehlungen zu Stilen und Alternativen

Menschen entwickeln unvermeidlich ein Gespür für die Beziehungen zwischen Objekten, von denen einige auf ihrem Aussehen basieren. Einige Paare von Objekten können als Alternativen zueinander angesehen werden (wie beispielsweise zwei Jeans), während andere als komplementär wahrgenommen werden können (wie eine Jeans und ein passendes Hemd). Diese Informationen leiten viele der Entscheidungen, die Menschen treffen, von der Auswahl von Kleidung bis hin zu ihren Interaktionen miteinander. Wir versuchen hier, dieses menschliche Gespür für die Beziehungen zwischen Objekten basierend auf ihrem Aussehen zu modellieren. Unser Ansatz basiert nicht auf einer feingliedrigen Modellierung von Benutzeranmerkungen, sondern darauf, das größtmögliche Datensatz zu erfassen und eine skalierbare Methode zu entwickeln, um menschliche Vorstellungen von den visuellen Beziehungen zu enthüllen. Wir betrachten dies als ein Netzwerk-Inferenzproblem, das auf Graphen von verwandten Bildern definiert ist, und stellen ein umfangreiches Datenset für das Training und die Evaluierung zur Verfügung. Das System, das wir entwickeln, ist in der Lage, Empfehlungen abzugeben, welche Kleidung und Accessoires gut zusammenpassen (und welche nicht), sowie für eine Vielzahl anderer Anwendungen.