【综述】计算机视觉驱动的时尚研究，35页pdf带你了解领域最新进展

【导读】时尚是我们向世界展示自己的方式，并已成为世界上最大的产业之一。时尚主要通过视觉传达，近些年来已经吸引了诸多计算机视觉研究者的关注。基于这个领域的快速发展，本文对200多篇与时尚相关的论文进行了全面的概述，从四个方面对实现智能型时尚进行介绍与探讨;(1)时尚检测包括特征点检测(landmark detection),时尚解析和条目检索，(2)时尚分析包括属性识别，款式学习和流行预测，(3)时尚合成包括风格转换、姿势转换和物理模拟,(4)时尚推荐包括时尚搭配、服装搭配、发型建议。针对每项任务，我们总结了基准数据集和各种评估方式。此外，我们强调了未来有希望的研究方向。

介绍

时尚就是某种我们把自己展示给世界的方式。我们的穿着和打扮方式决定了我们独一无二的风格和与众不同。时尚在现代社会已经成为我们不可或缺的一部分。不出所料，仅全球服装市场就已超过3万亿美元，占世界国内生产总值(GDP)的近2%。具体来说，到2020年，时尚领域的收入将超过7180亿美元，预计年增长率将达到8.4%。

随着人工智能中计算机视觉的高速发展，人工智能已经开启了时尚界的大门，通过电子零售，个性化的设计师到时尚设计流程来重塑我们的时尚生活。在这篇论文中我们把计算机视觉时装技术称为智能时装。从技术上讲，智能时尚是一项具有挑战性的任务，因为与一般对象不同，时尚物品在风格和设计上存在很大的差异，最重要的是，可计算的低级特征和我们所编码的高级语义概念之间存在着巨大且长期的语义鸿沟。

文章的贡献点如下：

我们对目前在时尚领域最先进的研究成果进行了全面的调查，并将时尚研究主题分为四个主要类别:检测，分析，合成和建议。

对于智能时尚研究中的每一个类别，我们都会对其中最重要的方法及其贡献进行深入和系统的回顾。此外，我们还总结了各种基准数据集以及到相应门户网站的链接。

我们收集了不同任务的评估指标，并给出不同方法性能之间的比较。

我们列出了未来可能的研究方向，这有助于促进和激励这一领域的发展。

2.时尚检测

由于大多数和时尚相关的研究工作的第一步就是检测，所以时尚检测技术是重中之重。以虚拟试穿为例，它需要提前探测输入的图片中关于人体的各种信息，包括但不限于体型的信息、身体的位置，然后对推荐的服饰进行合成。因此，检测是大多数后续工作的基础。在这一章节中，我们主要关注时尚检测任务，从三个方面对其进行介绍：特征点检测，时尚解析和条目检索。每一个方面都会介绍先进的方法，基准数据集以及方法之间的比较。

3.时尚分析

时尚不仅仅是关于人们应该穿什么而且还反应了人们的性格特点，会流露出其他社会线索。智能时尚分析在时尚产业、精准营销、社会学分析等领域有着巨大的发展潜力，因此，对人们选择穿什么款式的衣服进行推荐的智能时尚分析近年来受到越来越多的关注。在这一章节，我们主要关注时尚分析领域中的三个领域：属性识别，款式学习和流行预测。对于每一个领域，我们都会介绍该领域中的先进方法，基准数据及和方法之间的比较。

4.时尚合成

给出一个人的照片，我们要能够想象这个人喜欢什么样的打扮风格和服饰穿着。我们可以通过一张现实生活中的照片进行综合分析。在这一章节中，我们回顾了这项任务的发展历程，包括风格转换、姿态转换和物理模拟。