该研究介绍了多模态检索系统“时尚聚焦”，用于视频与购物匹配，结合图像和文本特征。提出K3M方法以解决电商数据中的噪声问题，利用M5Product数据集和SCALE框架实现特征融合。CommerceMM模型在多任务中表现优越，MIEM提高了图像搜索准确性，ARMMT方法提升了商品推荐精准性，优化了搜索相关性，显著改善用户体验。