Shop the Look Dataset

本数据集包含两个子数据集，分别用于时尚和家居领域，每个数据集包含场景-产品对，格式为JSON，包含产品标识、场景标识和边界框信息。

This dataset comprises two sub-datasets, each dedicated to the fashion and home furnishing sectors, respectively. Each sub-dataset includes scene-product pairs formatted in JSON, containing product identifiers, scene identifiers, and bounding box information.

原始信息汇总

数据集概述

数据集名称

• Shop the Look Dataset

数据集内容

• 包含两个子数据集：fashion 和 home。
• 每个数据集包含场景-产品配对数据，格式如下： json { "product": "产品签名", "scene": "场景签名", "bbox": [左, 上, 右, 下] }

数据集特征

• 场景和产品图像通过签名表示，可通过以下函数获取图像URL： python def convert_to_url(signature): prefix = http://i.pinimg.com/400x/%s/%s/%s/%s.jpg return prefix % (signature[0:2], signature[2:4], signature[4:6], signature)

• 产品类别信息也提供，例如 fashion-cat.json。

数据集使用

• 使用时请引用相关论文：
  • Complete the Look: Scene-based Complementary Product Recommendation. (CVPR19)

数据集联系

• 如有疑问，可联系 wckang#ucsd.edu。

搜集汇总

数据集介绍

构建方式

Shop the Look数据集通过精心构建，旨在捕捉场景与产品之间的关联性。该数据集分别针对时尚和家居领域，提供了场景与产品的配对信息。每个数据对包含产品的唯一标识符、场景的唯一标识符以及产品在场景中的边界框坐标。边界框坐标以归一化的形式表示，便于在不同分辨率的图像中进行定位。通过这种方式，数据集有效地捕捉了产品在场景中的具体位置，为后续的推荐系统研究提供了坚实的基础。

特点

该数据集的显著特点在于其场景与产品的紧密结合，以及边界框坐标的精确标注。这种设计使得数据集不仅适用于产品推荐任务，还能用于场景理解与分析。此外，数据集提供了产品类别的信息，进一步增强了其在多任务学习中的应用潜力。通过提供场景与产品的图像URL转换函数，数据集的使用变得更加便捷，用户可以轻松获取所需的图像资源。

使用方法

使用Shop the Look数据集时，用户首先需要通过提供的函数将场景和产品的签名转换为图像URL，以便获取实际的图像数据。随后，可以根据边界框坐标在场景图像中定位产品，进行进一步的分析或推荐系统的训练。数据集的结构清晰，便于用户进行数据处理和模型训练。此外，用户还可以利用产品类别信息进行更细粒度的分析或分类任务。

背景与挑战

背景概述

Shop the Look Dataset由Pinterest团队创建，主要研究人员包括Wang-Cheng Kang、Eric Kim、Jure Leskovec、Charles Rosenberg和Julian McAuley，该数据集于2019年首次发布，旨在支持场景化互补产品推荐的研究。该数据集的核心研究问题是如何基于场景图像推荐互补产品，特别是在时尚和家居领域。通过提供场景与产品对的配对数据，该数据集为计算机视觉和推荐系统领域的研究提供了宝贵的资源，推动了相关技术的发展。

当前挑战

Shop the Look Dataset在构建过程中面临多个挑战。首先，如何准确地从复杂场景中提取产品并生成有效的场景-产品对是一个技术难题。其次，数据集需要处理大量图像，确保每张图像的标注和边界框的准确性，这对数据处理和标注工作提出了高要求。此外，如何在不同领域（如时尚和家居）中保持数据的一致性和适用性，也是该数据集面临的重要挑战。

常用场景

经典使用场景

Shop the Look数据集在时尚与家居领域中被广泛应用于场景化的互补产品推荐任务。通过分析场景与产品之间的关联性，该数据集能够帮助构建模型，从而在给定场景中推荐最合适的互补产品。例如，在时尚领域，模型可以根据用户上传的服装图片，推荐与之搭配的鞋子、配饰等；在家居领域，则可以根据房间布局推荐合适的家具或装饰品。

衍生相关工作

基于Shop the Look数据集，研究者们进一步开展了多项相关工作，包括但不限于：改进的场景解析算法、基于深度学习的推荐模型优化、以及跨领域的场景推荐系统研究。这些工作不仅丰富了数据集的应用场景，也为相关领域的技术发展提供了新的研究方向和实验基础。

数据集最近研究

最新研究方向

在计算机视觉与模式识别领域，Shop the Look数据集因其独特的场景与产品配对结构，成为研究场景化产品推荐的前沿工具。该数据集通过提供时尚与家居领域的场景-产品对及其边界框信息，推动了基于视觉的互补产品推荐系统的研究。近年来，研究者们利用该数据集探索了如何通过深度学习模型更精准地识别场景中的关键产品，并实现个性化推荐。这一研究方向不仅在学术界引起了广泛关注，也在电商推荐系统中展现了巨大的应用潜力，为提升用户体验和销售转化率提供了新的技术路径。