Key points are not available for this paper at this time.
In den letzten Jahren haben die Textil- und Modeindustrien ein enormes Wachstum im Bereich der Fast Fashion erlebt. Auf E-Commerce-Plattformen, wo zahlreiche Optionen verfügbar sind, ist ein effizientes Empfehlungssystem erforderlich, um relevante Produktinhalte oder Informationen für die Nutzer auszuwählen, zu ordnen und effizient zu übermitteln. Bildbasierte Modeempfehlungssysteme (FRSs) haben große Aufmerksamkeit von Einzelhändlern der Fast Fashion erhalten, da sie den Verbrauchern ein personalisiertes Einkaufserlebnis bieten. Mit den technologischen Fortschritten zeigt dieser Bereich der künstlichen Intelligenz ein enormes Potenzial in der Bildverarbeitung, Analyse, Klassifizierung und Segmentierung. Trotz seines großen Potenzials ist die Anzahl der akademischen Artikel zu diesem Thema begrenzt. Die verfügbaren Studien bieten kein rigoroses Review der Modeempfehlungssysteme und der entsprechenden Filtertechniken. Nach dem besten Wissen der Autoren ist dies der erste wissenschaftliche Artikel, der die modernsten Modeempfehlungssysteme und die entsprechenden Filtertechniken überprüft. Darüber hinaus untersucht diese Übersicht auch verschiedene potenzielle Modelle, die in Zukunft zur Entwicklung von Modeempfehlungssystemen implementiert werden könnten. Dieses Papier wird Forschern, Akademikern und Praktikern, die sich für maschinelles Lernen, Computer Vision und Modeeinzelhandel interessieren, helfen, die Eigenschaften der unterschiedlichen Modeempfehlungssysteme zu verstehen.
Chakraborty et al. (Mon,) haben diese Frage untersucht.