מושגי ליבה
シーンの変化に伴う背景ノイズと前景ノイズを効果的に除去することで、一貫した人物特徴表現を得る手法を提案する。
תקציר
本研究は、シーンの変化に伴う人物特徴の劣化を解決するため、双方向の変調ネットワークを提案している。
具体的には以下の2つのネットワークを設計している:
背景変調ネットワーク(BMN)
検出された人物領域の特徴マップから、マルチグラニュラリティの特徴表現を生成する
特徴表現の L2 ノルムを監督する損失関数を導入し、背景ノイズを効果的に抑制する
前景変調ネットワーク(FMN)
シーン特徴マップを利用して、人物特徴に含まれる前景ノイズを除去するためのオフセットを計算する
クロスアテンションメカニズムを用いて、人物特徴とシーンノイズマップの関係性を学習する
これらの双方向変調ネットワークにより、シーンに適応した一貫した人物特徴表現を得ることができ、ベンチマークデータセットにおいて最先端の性能を達成している。
סטטיסטיקה
人物特徴は、シーンノイズと純粋な人物特徴から構成される。
シーンノイズは、検出された人物領域に残る背景ノイズと、照明条件や視認性の変化による前景ノイズから成る。
ציטוטים
"シーンの変化に伴い、捕捉された人物画像は必然的に多くの背景ノイズと前景ノイズを含み、人物アイデンティティに完全に無関係なものとなり、深刻な性能低下を引き起こす。"
"本研究では、シーンに適応した人物検索(SEAS)フレームワークを提案し、様々なシーンにおいて高度に類似した特徴表現を維持することで、シーン適応を実現する。"