论文页面 - FashionLens: 面向通用时尚图像检索的任务自适应学习

来源：https://huggingface.co/papers/2605.22552

摘要

本文提出了一种统一的时尚图像检索框架，通过多模态大语言模型结合自适应校准与采样策略，能够处理多样化的查询格式与搜索意图。

时尚图像检索 (https://huggingface.co/papers?q=Fashion%20image%20retrieval) 是现代电商系统的基石。在实际应用中，一种能够支持多样化查询格式与搜索意图的统一框架 (https://huggingface.co/papers?q=unified%20framework) 备受期待。然而，现有方法仅聚焦于狭窄的检索任务，未能充分捕捉这种多样性。因此，本文旨在开发一个能够处理多样化现实时尚检索场景的统一框架 (https://huggingface.co/papers?q=unified%20framework)，从而实现真正通用的时尚图像检索 (https://huggingface.co/papers?q=fashion%20image%20retrieval)。为了建立数据基础，我们首先引入了 U-FIRE，这是一个综合性的基准测试，将分散的时尚数据集整合为统一集合，并辅以两个人工标注的数据集用于测试泛化能力。在此基础上，我们提出了 FashionLens，这是一个基于多模态大语言模型 (https://huggingface.co/papers?q=Multimodal%20Large%20Language%20Models) 的统一框架 (https://huggingface.co/papers?q=unified%20framework)。为了处理不同的匹配目标，我们设计了一种提案引导的球面查询校准器 (https://huggingface.co/papers?q=Proposal-Guided%20Spherical%20Query%20Calibrator)，通过自适应球形线性插值，动态地将查询表示转换到任务对齐的度量空间中。此外，为了缓解由任务复杂度和数据规模差异导致的优化不平衡，我们开发了一种梯度引导的自适应采样 (https://huggingface.co/papers?q=Gradient-Guided%20Adaptive%20Sampling) 策略，该策略能够根据实时学习难度和数据规模先验自动重新加权任务。在 U-FIRE 上的实验表明，FashionLens 在多种检索场景中均取得了最先进的性能，并且能够稳健地泛化到未见任务。数据和代码已在 https://github.com/haokunwen/FashionLens 公开发布。

查看 arXiv 页面 (https://arxiv.org/abs/2605.22552)查看 PDF (https://arxiv.org/pdf/2605.22552)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.22552)

在您的 agent 中获取此论文：

hf papers read 2605.22552

没有最新 CLI？ curl -LsSf https://hf.co/cli/install.sh | bash

引用本论文的模型0

无模型链接到此论文

在模型的 README.md 中引用 arxiv.org/abs/2605.22552 以从此页面链接。

引用本论文的数据集0

无数据集链接到此论文

在数据集的 README.md 中引用 arxiv.org/abs/2605.22552 以从此页面链接。

引用本论文的 Space0

无 Space 链接到此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2605.22552 以从此页面链接。

包含本论文的收藏0

无收藏包含本论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。