이 연구는 의복 변화에 따른 사람 재식별(CC-ReID) 문제에 대해 다루고 있다. CC-ReID는 동일한 사람이 다른 옷을 입고 있는 이미지를 검색하는 작업이다. 기존 연구들은 주로 옷 정보를 배제하고 신원 정보를 학습하는 모델 구조와 전략을 개발하는 데 초점을 맞추었다.
그러나 저자들은 표준 ReID 학습 목표와 CC-ReID 학습 목표 간의 내재적 갈등을 처음으로 밝혀냈다. 표준 ReID에서는 옷이 주요 식별 특징이지만, CC-ReID에서는 옷 정보가 오히려 방해 요인이 된다. 이러한 갈등으로 인해 기존 방식으로는 최적의 성능을 달성하기 어렵다.
이를 해결하기 위해 저자들은 두 가지 접근법을 제안했다. 첫째, 고품질의 의복 변화 합성 데이터를 생성하여 CC-ReID 성능을 향상시켰다. 둘째, CC-ReID 학습을 다목적 최적화 문제로 재정의하여 표준 ReID와 CC-ReID 목표를 균형있게 최적화하였다. 이를 통해 기존 방식보다 우수한 성능을 달성할 수 있었다.
제안 방법은 모델 구조에 독립적이며, 표준 ReID 모델에 적용하더라도 기존 CC-ReID 전문 모델을 능가하는 성과를 보였다. 이는 고품질 합성 데이터와 다목적 최적화 기법의 효과를 입증한다.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Junjie Li,Gu... في arxiv.org 04-22-2024
https://arxiv.org/pdf/2404.12611.pdfاستفسارات أعمق