Główne pojęcia
異なるモダリティ間の特徴表現を統合するための新しいアプローチであるBidirectional Multi-step Domain Generalization(BMDG)が、可視赤外線人物再識別において有効であることを示す。
Streszczenie
可視赤外線人物再識別(V-I ReID)におけるバックボーンモデルのトレーニング課題は、異なるモダリティ間の著しい不一致を効果的に対処すること。
BMDGは、異なるモダリティから抽出された身体部位特徴を結合し、複数の仮想中間ドメインを作成して特徴表現を統合する。
実験では、BMDGアプローチが最先端の部分ベースモデルや中間ドメイン生成手法よりも優れた性能を発揮したことが示されている。
Introduction
可視赤外線ReIDはRGBとIRカメラで撮影された個人画像を一致させることを目指す。
現在の方法はグローバルまたは部分ベース表現に焦点を当てている。
Prototype Discovery Module
PDモジュールは、バックボーン特徴マップから異なる部位属性を抽出し、それらのプロトタイプを発見する。
階層的コントラスト学習により、パートプロトタイプが全個人について類似した意味内容に焦点を当てられるようにする。
Bidirectional Multi-step Learning
バイオディレクショナルマルチステップ学習では、各ステップで中間フィーチャ空間が作成され、ドメインギャップが段階的に減少する。
APEは重要な部分への注意機構を適用して最終的な特徴量埋め込みを強化する。
Results and Discussion
BMDGは他の最先端部分ベースまたは原型ベース基準モデルに統合された際に性能が向上したことが示されている。
Statystyki
この論文では重要な数字や指標は使用されていません。