Attribute-Conditioned Multimodal Slot Factorization for Controllable Fashion Retrieval
属性条件多模态槽分解实现可控时尚检索
🧭 多模态可控检索 · 属性槽分解
Walmart Global Tech
将 Fashion-CLIP 多模态嵌入分解为四个命名属性槽并学习各自的 text-image gate，显著提升约束满足率
📌 工作参考价值（4 点）
- 商品检索/推荐中，可把单一商品 embedding 拆成多个命名属性槽（类目、颜色、图案、人群等），每个槽独立表示，避免不同属性信号相互干扰，实现更细粒度的可控召回。
- 借鉴 text-image gate 机制：视觉属性（颜色、图案）自动偏向图像证据，类目等结构化属性偏向文本证据。电商多模态商品表示可以根据属性类型分配模态权重，无需人工指定。
- 属性槽量化后的 slot code 支持定向干预（如颜色提升 15.3x），可用于线上检索诊断、属性级重排或人工干预策略，比全局 embedding 或 item-level semantic ID 更可解释、可操作。
- 使用「槽相似度 + 槽 logit 得分」组合评分，相比简单等权多模态融合提升约束满足率，该 scoring trick 可直接迁移到多属性约束的商品检索场景。