Core Concepts
本論文は、車両の多様な姿勢を統一された目標姿勢に射影することで、車両再同定の精度を向上させる新しい手法を提案する。
Abstract
本論文は、車両再同定の精度向上のために、車両の多様な姿勢を統一された目標姿勢に射影する手法を提案している。
まず、提案するVehicleGANは、入力画像の姿勢と目標姿勢を利用して、目標姿勢の車両画像を合成する。VehicleGANは、教師あり設定と教師なし設定の両方に対応可能な「ペア柔軟」な手法である。
次に、合成された統一姿勢の車両画像と実画像を用いて、特徴レベルの融合に基づく新しい Joint Metric Learning フレームワークを提案する。これにより、姿勢変化に頑健な特徴表現を学習できる。
実験結果は、提案手法がVeRi-776およびVehicleIDデータセットにおいて、車両再同定の精度を大幅に向上させることを示している。
Stats
車両の多様な姿勢が車両再同定の精度を大きく低下させる
提案手法VehicleGANは、教師あり設定と教師なし設定の両方に対応可能
VehicleGANを用いて合成された統一姿勢の車両画像と実画像を用いたJoint Metric Learningにより、姿勢変化に頑健な特徴表現を学習できる
Quotes
"車両の多様な姿勢が、車両再同定モデルに大きな課題をもたらしている"
"提案するVehicleGANは、教師あり設定と教師なし設定の両方に対応可能な「ペア柔軟」な手法である"
"合成された統一姿勢の車両画像と実画像を用いたJoint Metric Learningにより、姿勢変化に頑健な特徴表現を学習できる"