Kernekoncepter
RDEは、ノイズのある対応学習において、信頼性の高い監督と安定したトリプレット損失を提供し、TIReIDで堅牢性を実現する。
Resumé
テキストから画像への人物再識別(TIReID)は、クロスモーダルコミュニティで魅力的なトピックであり、正確な視覚的意味論的関連付けを学習するためにグローバルマッチングとローカルマッチングアラインメントを探索しています。
RDEはConfident Consensus Division(CCD)とTriplet Alignment Loss(TAL)を活用してNCへの耐性を実現し、信頼性の高い対応と安定したトリプレット損失により堅牢性を提供します。
実験では、RDEが3つのパブリックベンチマークで最先端の結果を達成し、合成ノイズ対策でも優れたパフォーマンスを発揮しています。
導入
TIReIDは増加する関心事であり、グローバルマッチングとローカルマッチングアラインメントを探索しています。
NC問題に取り組むためにRDEが提案されました。CCDとTALによりNCへの耐性が向上しました。
データ抽出
"Our method achieves state-of-the-art results both with and without synthetic noisy correspondences on all three datasets." - 弊社の手法はすべての3つのデータセットで合成ノイズ付きおよび合成ノイズなしで最先端の結果を達成しています。
Statistik
合成ノイズ付きおよび合成ノイズなしで最先端の結果を達成
Citater
"Our method achieves state-of-the-art results both with and without synthetic noisy correspondences on all three datasets."