直面棘手问题：基于无监督部位特征对齐的鲁棒动物重识别
计算机视觉与模式识别
2024-05-24 v1
摘要
动物重识别对于野生动物保护至关重要，但与人重识别相比面临独特挑战。数据集稀缺和缺乏多样性导致背景偏置模型。动物重识别依赖于细微的物种特异性线索，并因姿态、背景和光照变化而复杂化。本研究通过提出在训练和评估阶段系统去除背景的方法来解决背景偏置。与依赖姿态标注的先前工作不同，我们的方法利用无监督技术进行跨身体部位和姿态变化的特征对齐，增强了实用性。在三个关键动物重识别数据集ATRW、YakReID-103和ELPephants上取得了优越结果。
引用
@article{arxiv.2405.13781,
title = {Addressing the Elephant in the Room: Robust Animal Re-Identification with Unsupervised Part-Based Feature Alignment},
author = {Yingxue Yu and Vidit Vidit and Andrey Davydov and Martin Engilberge and Pascal Fua},
journal= {arXiv preprint arXiv:2405.13781},
year = {2024}
}
备注
Accepted to CVPR workshop CV4Animals 2024