摘要

我们研究了互补时尚预测的问题。现有的方法主要集中在学习一个嵌入空间，在该空间中，来自不同类别的视觉上兼容的时尚单品彼此更加接近。然而，创建这样的标记搭配组合既耗时又难以生成所有可能的搭配组合，尤其是在大型时尚目录中。在本工作中，我们提出了一种半监督学习方法，在训练过程中利用大规模未标记的时尚语料库实时生成伪正样本和伪负样本搭配。对于每个训练批次中的标记搭配，我们通过将标记搭配中的每个单品与未标记单品进行匹配来获得一个伪搭配。此外，我们引入了一致性正则化，以确保原始图像及其变换后的表示具有一致性，从而通过自监督隐式地结合颜色和其他重要属性。我们在Polyvore、Polyvore-D以及我们新创建的大规模Fashion Outfits数据集上进行了广泛的实验，并展示了我们的方法仅使用少量标记样例即可达到完全监督方法的性能水平。