FashionAM

新的DIM-Fashion基准和FashionAM模型推动多轮时尚图像检索发展

研究人员推出了DIM-Fashion，这是一个旨在通过解决现有方法的局限性来改进多轮时尚图像检索的新基准。当前的方法通常假设意图转换是统一的，未能考虑到用户回滚等多样化行为。DIM-Fashion包含来自各种时尚检索数据集的26,000个多轮会话，旨在捕捉这些复杂的交互。此外，研究团队还开发了FashionAM，一个多模态大语言模型和视觉语言预训练框架，可以直接处理针对视觉嵌入的对话查询，绕过中间文本化，以保留更精细的视觉细节。