Cool Fashion Papers
1.0.0
酷时尚相关论文和资源（公司、数据集、会议、研讨会......）。
论文按 arXiv 第一版提交时间排序（如果适用）。
请随意发送 PR 或问题。
总有机碳
文件
合成
分类
推荐
预报
相关活动
数据集
公司
其他有用的资源
| 模型 | 标题 | 发布 | 纸 | 关联 |
|---|---|---|---|---|
| 摆出有风格的姿势 | 带风格的姿势：使用条件 StyleGAN 进行保留细节的姿势引导图像合成 | SIGGRAPH 亚洲 2021 | [2109.06166] | [项目] |
| 企业所得税 | CIT：用于虚拟试穿的布料交互式变压器 | arXiv | [2104.05519] | [惊人人/CIT] |
| VITON-HD | VITON-HD：通过错位感知归一化进行高分辨率虚拟试戴 | CVPR 2021 | [2103.16874] | [shadow2496 / VITON-HD] |
| DCTON | 解开循环一致性，实现高度逼真的虚拟试穿 | CVPR 2021 | [2103.09479] | [重庆格/DCTON] |
| PF-AFN | 通过提炼外观流程进行无解析器虚拟试穿 | CVPR 2021 | [2103.04559] | 【格御影/PF-AFN】 |
| 筛网 | SieveNet：基于图像的稳健虚拟试戴的统一框架 | 2020年西澳CV | [2001.06265] | |
| 细致到最后的细节：带有细节雕刻的虚拟试穿 | arXiv | [1912.06324] | [AI程序员/细致入微的虚拟试穿与细节雕刻] | |
| 布流 | ClothFlow：基于流程的着衣人员生成模型 | 2019年国际汽车工业展览会 | [纸] | |
| FW-GAN | FW-GAN：用于视频虚拟试戴的流导航变形 GAN | 2019年国际汽车工业展览会 | [纸] | |
| 以任意姿势虚拟试穿新衣服 | MM 2019 | [纸] | [项目] | |
| 生成穿着定制服装的高分辨率时装模特图像 | 2019年国际会议 | [1908.08847] | ||
| 时尚++ | Fashion++：最少的修改以改进服装 | 2019年国际汽车工业展览会 | [1904.09261] | [项目] |
| MG-VTON | 迈向多姿势引导虚拟试穿网络 | arXiv | [1902.11026] | |
| 菲网 | 兼容多样的时尚形象修复 | 2019年国际汽车工业展览会 | [1902.01096] | |
| M2E-网上试用 | M2E-网上试穿：从模特到大众的时尚 | arXiv | [1811.08599] | |
| 时尚GAN | FashionGAN：使用条件生成对抗网络展示您的时装设计 | 2018CG论坛 | [纸] | |
| 皮夫顿 | PIVTONS：具有条件图像完成功能的姿势不变虚拟试鞋 | 2018年ACCV | [纸] | [项目] |
| 交换网络 | SwapNet：基于图像的服装传输 | 2018年ECCV | [纸] | [安德鲁宗/ SwapNet] |
| 薄膜化GAN | 语言引导的时尚图像处理与特征转换 | 2018年ECCVW | [1808.04000] | |
| 氟橡胶 | 迈向基于图像的保留特征的虚拟试穿网络 | 2018年ECCV | [1807.07688] | [sergeywong / cp-vton] |
| 解开 GAN 中的多个条件输入 | 2018年ECCVW | [1806.07819] | [zalandoresearch/disentangling_conditional_gans] | |
| 设计 | DesIGN：来自生成网络的设计灵感 | 2018年ECCVW | [1804.00921] | |
| 氟橡胶 | VITON：基于图像的虚拟试穿网络 | 2018年CVPR | [1711.08447] | [xthan / 氟橡胶] |
| 数字VBPR | 使用生成图像模型进行视觉感知的时尚推荐和设计 | 2017年ICDM | [1711.02231] | [康205 / DVBPR] |
| 时尚GAN | 做你自己的普拉达：具有结构连贯性的时尚综合体。 | 2017年国际汽车工业展览会 | [1710.07346] | [项目] |
| 卡根 | 条件类比 GAN：将时尚文章替换为人物图像 | 2017年国际会议 | [1709.04695] |
| 模型 | 标题 | 发布 | 纸 | 关联 |
|---|---|---|---|---|
| 深时尚2 | DeepFashion2：服装图像检测、姿势估计分割和重新识别的多功能基准 | CVPR 2019 | [1901.07973] | [可切换规范/DeepFashion2] |
| 品牌 > 标志：时尚品牌视觉分析 | 2018年ECCVW | [1810.09941] | ||
| BCRN神经网络 | 专注时尚语法网进行时尚地标检测和服装品类分类 | 2018年CVPR | [纸] | |
| Studio2Shop：从工作室照片拍摄到时尚文章 | 2018年ICPRAM | [1807.00556] | ||
| 时尚大脑 | FashionBrain 项目：了解欧洲时尚数据世界的愿景 | 2017年开德周 | [1710.09788] | [项目] |
| 自动空间感知时尚概念发现 | 2017年国际汽车工业展览会 | [1708.01311] | [xthan/时尚-200k] | |
| DFA | 野外时尚地标检测 | 2016年ECCV | [1608.03049] | [liuziwei7/时尚地标] |
| 时尚网 | DeepFashion：通过丰富的注释支持强大的服装识别和检索 | 2016年CVPR | [纸] | [项目] |
| 模型 | 标题 | 发布 | 纸 | 关联 |
|---|---|---|---|---|
| 用于时尚兼容性的半监督视觉表示学习 | 2021 年 ReSys | [2109.08052] | ||
| 波格 | POG：阿里巴巴 iFashion 时尚推荐的个性化服装生成 | 2019年KDD | [1905.01866] | |
| 基于审美的服装推荐 | 2018年WWW | [1809.05822] | ||
| 工艺 | CRAFT：使用对抗性特征转换器的补充建议 | 2018年ECCVW | [1804.10871] | |
| 学习类型感知嵌入以实现时尚兼容性 | 2018年ECCV | [1803.09196] | ||
| 神经造型师 | NeuroStylist：服装搭配的神经兼容性模型 | MM 2017 | [纸] | |
| 深度跨域时尚推荐 | 2017年RecSys | [纸] | ||
| 基于 LSTM 的时尚推荐动态客户模型 | 2017年RecSys | [1708.07347] | ||
| 使用双向 LSTM 学习时尚兼容性 | MM 2017 | [1707.05691] | [xthan/polyvore] | |
| 时尚 DNA：合并内容和销售数据以进行推荐和文章映射 | 2016年KDD | [1609.02489] |
| 模型 | 标题 | 发布 | 纸 | 关联 |
|---|---|---|---|---|
| 风格商数 | 了解时尚性：是什么推动了某种风格的销售？ | 2018年开德周 | [1806.11424] | |
| 销售潜力 | 销售潜力：时尚产品视觉美学的可销售性建模 | 2017年开德周 | [纸] | |
| 时尚前沿：预测时尚视觉风格 | 2017年国际汽车工业展览会 | [1705.06394] |
KDD时尚工作坊 [2019] [2018] [2017] [2016]
时尚、艺术与设计计算机视觉研讨会 [CVPR 2020] [ICCV 2019] [ECCV 2018] [ICCV 2017]
NeurlPS 机器学习促进创造力和设计研讨会 [2019] [2018] [2017]
SIGIR 电子商务研讨会 [2019] [2018] [2017]
CVPR 深度学习内容创作教程 [2019]
iMaterialist 时尚挑战赛 [CVPR 2019]
iDesigner 挑战赛 [CVPR 2019]
FashionGen 挑战赛 [ICCV 2019、ECCV 2018]
京东AI时尚挑战赛【ChinaMM 2018】
阿里巴巴FashionAI全球挑战赛【天池】
人工智能时尚与纺织会议 [AIFT 2018]
时尚智商挑战赛 [CVPR 2020] [ICCV 2019]
DeepFashion2 挑战赛 [CVPR 2020] [ICCV 2019]
时尚百科[网站]
DeepFashion2 数据集 [网站]
DeepFashion 数据集 [网站]
FashionGen [网站]
FashionAI【天池】
淘宝布料搭配【天池】
时尚-MNIST [zalandoresearch/fashion-mnist]
时尚智商[网站]
| 品牌 | 姓名 | 成立 | 信息 | 消息 |
|---|---|---|---|---|
 | 明特拉 | 2007年 | 预测、综合 | [2017.11 livemint] |
 | 阿里巴巴形象和美 | 2009年 | 认出 | [2018.7 FashionAI] |
 | 缝合修复，博客 | 2011年 | 个性化 | [2018.5 福布斯] |
 | 赫里泰克 | 2013年 | 预测、认可 | [2019.1 法什纳德] |
 | 毅+ | 2014年 | 认出 | 【2018.8资助】 |
 | 码隆科技 | 2014年 | 认出 | [2018.7 福布斯] |
 | 赛特 | 2015年 | 认出 | [2018.12 与 Farfetch 合作] |
 | GrokStyle（2019.2 被 Facebook 收购） | 2015年 | 搜寻中 | 【2019.2被Facebook收购】 |
 | 扎兰多研究 | 2016年 | 研究 | [2016.10成立] |
 | MatchU码尚 | 2016年 | 造型 | [2018.12资助] |
 | 模式.ai | 2016年 | 识别、NLP、搜索 | [2018.5 科技共和国] |
 | 标记.AI | 2016年 | 识别、搜索 | 【2018.7期刊哨兵】 |
 | 衣呼 YIHU (TOZI) | 2017年 | 3D建模 | 【2018.9资助】 |
 | 麦蒂欧盟 | 2017年 | 识别、搜索、推荐、NLP | [2018.12开始] |
| 极睿无主 | 2017年 | |||
| 知衣之衣 | 2018年 | |||
 | 故障人工智能 | 2019年 | 人工智能设计 | [2019.6新闻] |
 | 尚深科技StylingAI | 2019年 | 人工智能设计 | [2020.1新闻] |
[ayushidalmia/awesome-fashion-ai]
[lzhbrian/图像到图像论文]
