Core Concepts
本研究では、衣服変更に対応した長期的な人物再同定のための新しい無監督学習フレームワークSiCLを提案する。SiCLは、RGB画像とシルエット情報を統合し、階層的な近傍構造を利用することで、衣服に依存しない特徴を学習する。
Abstract
本研究は、長期的な人物再同定の課題に取り組んでいる。従来の無監督人物再同定手法は主にRGB特徴に依存しており、衣服変更に対応することができない。
本研究では、以下の取り組みを行っている:
シルエット情報とRGB情報を統合し、対照学習フレームワークを構築することで、衣服に依存しない特徴を学習する。
低レベルの個体近傍構造と高レベルのクラスター近傍構造を組み合わせた階層的な近傍構造を利用し、特徴学習を行う。
3種類の対照学習モジュール(プロトタイプ対照学習、クロスビュー対照学習、クラスター近傍対照学習)を導入し、衣服変更に頑健な特徴を学習する。
6つのベンチマークデータセットで評価を行い、提案手法SiCLが従来の無監督手法を大きく上回る性能を示すことを確認した。
Stats
RGB画像とシルエット画像の特徴を統合することで、衣服変化に頑健な特徴を学習できる。