ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Graph Learning for Fashion Compatibility Modeling

دانلود کتاب آموزش نمودار برای مدل سازی سازگاری مد

Graph Learning for Fashion Compatibility Modeling

مشخصات کتاب

Graph Learning for Fashion Compatibility Modeling

ویرایش: [2 ed.] 
نویسندگان: , , ,   
سری: Synthesis Lectures on Information Concepts, Retrieval, and Services 
ISBN (شابک) : 3031188160, 9783031188169 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 119
[120] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 Mb 

قیمت کتاب (تومان) : 40,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 1


در صورت تبدیل فایل کتاب Graph Learning for Fashion Compatibility Modeling به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب آموزش نمودار برای مدل سازی سازگاری مد نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب آموزش نمودار برای مدل سازی سازگاری مد

این کتاب تئوری های پیشرفته را برای سناریوهای چالش برانگیزتر مدلسازی سازگاری لباس روشن می کند. به طور خاص، این کتاب چندین تکنیک یادگیری نمودارهای پیشرفته را ارائه می‌کند که می‌توانند برای مدل‌سازی سازگاری لباس استفاده شوند. به دلیل ارزش اقتصادی قابل توجه آن، مدل سازی سازگاری مد در سال های اخیر توجه تحقیقاتی فزاینده ای را به خود جلب کرده است. اگرچه تلاش‌های زیادی به این حوزه تحقیقاتی انجام شده است، مطالعات قبلی عمدتاً بر مدل‌سازی سازگاری مد برای لباس‌هایی متمرکز بود که فقط شامل دو آیتم بود و این واقعیت را نادیده گرفت که هر لباس ممکن است از تعداد متغیری از آیتم‌ها تشکیل شده باشد. این کتاب مجموعه‌ای از طرح‌های مدل‌سازی سازگاری لباس مبتنی بر یادگیری نموداری را توسعه می‌دهد، که همگی مؤثر بودن آنها در چندین مجموعه داده عمومی در دنیای واقعی ثابت شده است. این رویکرد سیستماتیک با معرفی تکنیک‌هایی برای مدل‌سازی سازگاری لباس‌ها که شامل تعداد متغیری از آیتم‌های ترکیبی است، به خوانندگان سود می‌رساند. برای مقابله با کار چالش برانگیز مدل‌سازی سازگاری لباس، این کتاب راه‌حل‌های جامعی را ارائه می‌کند، از جمله یادگیری نمودار همبستگی، یادگیری گراف مبتنی بر مدالیت، یادگیری گراف جداشده بدون نظارت، یادگیری گراف جداشده با نظارت جزئی، و یادگیری گراف ناهمگن هدایت‌شده توسط فرامسیر. علاوه بر این، این کتاب مرزهای تحقیقاتی را روشن می‌کند که می‌تواند الهام‌بخش مسیرهای تحقیقاتی آینده برای دانشمندان و محققان باشد.

توضیحاتی درمورد کتاب به خارجی

This book sheds light on state-of-the-art theories for more challenging outfit compatibility modeling scenarios.  In particular, this book presents several cutting-edge graph learning techniques that can be used for outfit compatibility modeling.  Due to its remarkable economic value, fashion compatibility modeling has gained increasing research attention in recent years.  Although great efforts have been dedicated to this research area, previous studies mainly focused on fashion compatibility modeling for outfits that only involved two items and overlooked the fact that each outfit may be composed of a variable number of items.  This book develops a series of graph-learning based outfit compatibility modeling schemes, all of which have been proven to be effective over several public real-world datasets.  This systematic approach benefits readers by introducing the techniques for compatibility modeling of outfits that involve a variable number of composing items.  To deal with the challenging task of outfit compatibility modeling, this book provides comprehensive solutions, including correlation-oriented graph learning, modality-oriented graph learning, unsupervised disentangled graph learning, partially supervised disentangled graph learning, and metapath-guided heterogeneous graph learning.  Moreover, this book sheds light on research frontiers that can inspire future research directions for scientists and researchers.  


فهرست مطالب

Preface
Acknowledgements
Contents
About the Authors
1 Introduction
	1.1 Background
	1.2 Challenges
	1.3 Our Solutions
	1.4 Book Structure
2 Correlation-Oriented Graph Learning for OCM
	2.1 Introduction
	2.2 Related Work
	2.3 Methodology
		2.3.1 Problem Formulation
		2.3.2 Multimodal Outfit Compatibility Modeling
	2.4 Experiment
		2.4.1 Experimental Settings
		2.4.2 Model Comparison
		2.4.3 Ablation Study
		2.4.4 Case Study
	2.5 Summary
3 Modality-Oriented Graph Learning for OCM
	3.1 Introduction
	3.2 Related Work
	3.3 Methodology
		3.3.1 Problem Formulation
		3.3.2 Multimodal Embedding
		3.3.3 Modality-Oriented Graph Learning
		3.3.4 Outfit Compatibility Estimation
	3.4 Experiment
		3.4.1 Experimental Settings
		3.4.2 Model Comparison
		3.4.3 Ablation Study
		3.4.4 Modality Comparison
		3.4.5 Hyperparameter Discussion
	3.5 Summary
4 Unsupervised Disentangled Graph Learning for OCM
	4.1 Introduction
	4.2 Related Work
	4.3 Methodology
		4.3.1 Problem Formulation
		4.3.2 Context-Aware Outfit Representation Learning
		4.3.3 Hidden Complementary Factors Learning
		4.3.4 Outfit Compatibility Modeling
	4.4 Experiment
		4.4.1 Experimental Settings
		4.4.2 Model Comparison
		4.4.3 Ablation Study
		4.4.4 Case Study
	4.5 Summary
5 Supervised Disentangled Graph Learning for OCM
	5.1 Introduction
	5.2 Related Work
	5.3 Methodology
		5.3.1 Problem Formulation
		5.3.2 Partially Supervised Compatibility Modeling
	5.4 Experiment
		5.4.1 Experimental Settings
		5.4.2 Model Comparison
		5.4.3 Ablation Study
		5.4.4 Case Study
	5.5 Summary
6 Heterogeneous Graph Learning for Personalized OCM
	6.1 Introduction
	6.2 Related Work
	6.3 Methodology
		6.3.1 Problem Formulation
		6.3.2 Metapath-Guided Personalized Compatibility Modeling
	6.4 Experiment
		6.4.1 Experimental Settings
		6.4.2 Model Comparison
		6.4.3 Ablation Study
		6.4.4 Sensitivity Analysis
		6.4.5 Case Study
	6.5 Summary
7 Research Frontiers
	[DELETE]
	7.1 Efficient Fashion Compatibility Modeling
	7.2 Unbiased Fashion Compatibility Modeling
	7.3 Try-On Enhanced Fashion Compatibility Modeling




نظرات کاربران