基于行人重识别模型的时尚检索强基准

时尚检索是一项具有挑战性的任务，旨在从图像中精确匹配相应的时尚单品。该任务的难点主要源于服装品类的细粒度特性，以及类内与类间存在极大的差异性。此外，该任务中的查询图像（query）与源图像（source）通常来自不同领域——前者多为街拍照片，后者则多为商品目录图像。由于两者在图像质量、光照条件、对比度、背景复杂度以及商品展示方式等方面存在显著差异，导致跨域差异显著。因此，时尚检索已成为学术界与工业界共同关注的活跃研究领域。受近期行人重识别（Person Re-Identification, ReID）研究进展的启发，我们借鉴并适配了当前领先的ReID模型，将其应用于时尚检索任务。本文提出了一种简洁的基线模型，在架构远为简单的情况下，显著超越了此前的最先进方法。我们在Street2Shop与DeepFashion两个主流数据集上进行了深入的实验，充分验证了所提方法的有效性。最后，我们提出了一种跨域（跨数据集）评估方法，用于检验时尚检索模型在不同数据分布下的鲁棒性。