面向素裸人身份重识别的文化感知基准
计算机视觉与模式识别
2025-06-11 v2 人工智能
摘要
身份重识别（ReID）是计算机视觉中的基础任务，具有监控和安防等关键应用。尽管近年来取得了进展，大多数现有ReID模型在跨文化场景下难以泛化，尤其是在伊斯兰地区如伊朗等地，因素裸着装打扮较为普遍。现有数据集主要包含西方和东亚时尚，难以满足这些场景的需求。为此，本文引入伊朗工程大学（IUST）人物身份重识别数据集（IUST_PersonReId），旨在反映新文化环境下ReID的独特挑战，强调素裸着装和来自伊朗的多场景（包括市场、校园和清真寺）。在IUST_PersonReId数据集上使用最新模型（如语义可控自监督学习（SOLIDER）和对抗语言-图像预训练身份重识别（CLIP-ReID））进行实验，结果显示SOLIDER在Market1501和MSMT17等基准数据集上分别下降了50.75%和23.01%的平均精度（mAP），而CLIP-ReID分别下降了38.09%和21.74%的mAP，凸显了遮挡和特征有限性带来的挑战。序列级评估表明，利用时序上下文可提升性能，凸显该数据集在推动文化敏感且稳健的ReID系统方面的潜力。IUST_PersonReId为全球范围内解决ReID研究中的公平性和偏见问题提供了关键资源。
引用
@article{arxiv.2412.18874,
title = {A Culturally-Aware Benchmark for Person Re-Identification in Modest Attire},
author = {Alireza Sedighi Moghaddam and Fatemeh Anvari and Mohammadjavad Mirshekari Haghighi and Mohammadali Fakhari and Mohammad Reza Mohammadi},
journal= {arXiv preprint arXiv:2412.18874},
year = {2025}
}