根据FashionUnited 的调查数据显示，2019年时尚行业的全球生产总值达三万亿美元， 这也证实了人们对服装的广泛需求和其背后巨大的经济价值。日常生活中，人们可以通过搭配时尚美观的服装来改善自己的外表，然而并不是每个人都擅长服装搭配，因此开展自动互补服装搭配的研究有着广阔的应用前景和市场。此外，移动互联网和电子商务的发展，导致互联网中积累了海量的服装数据，包括服装的图片和对应的文本描述，这些丰富的数据为我们建模互补服装之前的兼容性提供了可能性。目前，本实验室已从以下四个方面对服装兼容性建模开展了相关研究:

1）数据驱动的服装兼容性建模：提出了面向服装兼容性的非线性隐式空间，并对互补服装兼容性进行多模态（视觉和文本）建模（发表在CCFA会议MM2017上）。

2）知识指导的兼容性建模：采用教师学生网络框架，利用时尚领域积累的搭配规则（正向规则或反向规则）来指导数据驱动的兼容性建模（发表在CCFA会议SIGIR2018上）。

3）个性化兼容性建模：对用户的服装购买历史进行分析和建模，捕捉用户个性化偏好，并综合考虑服装间的兼容性，实现对用户的个性化推荐（发表在CCFA会议MM2019上）。

4）可解释的兼容性建模：利用矩阵分解的方法对搭配和不搭配的套装特征进行分析，捕捉一些常见的搭配或不搭配的套装模板，利用属性交互的角度解释服装搭配与否的原因（发表在CCFA会议SIGIR2019上）。未来，我们还将继续开展时尚领域的相关研究，例如在线服装试穿、交互式服装检索等。