一种用于RGB-红外跨模态行人重识别的相似性推理度量
计算机视觉与模式识别
2020-07-06 v1
摘要
RGB-红外（IR）跨模态行人重识别（re-ID）旨在从 RGB 图像库中搜索 IR 图像，反之亦然，由于 IR 和 RGB 模态之间存在巨大差异，这是一项具有挑战性的任务。现有方法通常通过跨模态对齐特征分布或图像风格来解决这一挑战，而同一模态的图库样本之间非常有用的相似性（即模态内样本相似性）在很大程度上被忽略了。本文提出了一种新颖的相似性推理度量（SIM），它利用模态内样本相似性来规避跨模态差异，以实现最优的跨模态图像匹配。SIM 通过连续的相似性图推理和相互最近邻推理来工作，这两种推理方式从两个不同的角度利用模态内样本相似性来挖掘跨模态样本相似性。在两个跨模态重识别数据集（SYSU-MM01 和 RegDB）上进行的大量实验表明，与最先进的方法相比，SIM 实现了显著的精度提升，但额外的训练量却很少。
引用
@article{arxiv.2007.01504,
title = {A Similarity Inference Metric for RGB-Infrared Cross-Modality Person Re-identification},
author = {Mengxi Jia and Yunpeng Zhai and Shijian Lu and Siwei Ma and Jian Zhang},
journal= {arXiv preprint arXiv:2007.01504},
year = {2020}
}
备注
Accepted by IJCAI2020