用于可见光-红外行人重识别的分层颗粒框架中自适应光照不变协同特征集成
计算机视觉与模式识别
2025-03-03 v1
摘要
可见光-红外行人重识别 (VI-ReID) 在搜救、基础设施保护和夜间监控等应用中发挥着至关重要的作用。然而，由于模态差异、光照变化和频繁遮挡，它面临着重大挑战。为了克服这些障碍，我们提出了 \textbf{AMINet}，一种自适应模态交互网络。AMINet 采用多粒度特征提取，从全身和上半身图像中捕获全面的身份属性，提高了对遮挡和背景杂波的鲁棒性。该模型集成了交互式特征融合策略，用于深度的模态内和跨模态对齐，增强了泛化能力并有效弥合了 RGB-IR 模态鸿沟。此外，AMINet 利用相位一致性进行鲁棒的光照不变特征提取，并结合自适应多尺度核 MMD 来对齐不同尺度下的特征分布。在基准数据集上的大量实验证明了我们方法的有效性，在 SYSU-MM01 上实现了 的 Rank-1 准确率，比基线高出 ，并优于当前 SOTA 。
关键词
引用
@article{arxiv.2502.21163,
title = {Adaptive Illumination-Invariant Synergistic Feature Integration in a Stratified Granular Framework for Visible-Infrared Re-Identification},
author = {Yuheng Jia and Wesley Armour},
journal= {arXiv preprint arXiv:2502.21163},
year = {2025}
}