AIDA-ReID：面向通用性和源自由的人类重识别的自适应中间域适应
计算机视觉与模式识别
2026-05-04 v1 人工智能
摘要
人类重识别（Re-ID）旨在匹配非重叠摄像头视角下的相同个体图像，由于照明、背景、摄像机特征和人口分布的差异，这一任务仍具有挑战性。尽管在训练和测试条件匹配的情况下监督模型表现良好，但在部署到未见环境时性能会显著下降。现有的中间域方法如IDM和IDM++通过构建域之间的桥接特征分布来缓解这一差距；然而，它们依赖于固定的混合策略和联合源-目标访问，限制了其在多源和源自由设置中的适用性。为此，本文提出了自适应中间域适应（AIDA），也称为源自由多源中间域适应（SF-MIDA）。该方法将中间域学习视为一个动态调节的过程，其中特征混合和正则化强度通过来自模型不确定性和训练稳定性的反馈信号进行自适应控制。多源中间域生成器综合了多样化的中间表示，而伪镜像正则化策略则在域扰动下保持身份一致性。广泛的实验在域泛化和源自由设置中表明，所提出的框架有效。
引用
@article{arxiv.2605.00111,
title = {AIDA-ReID: Adaptive Intermediate Domain Adaptation for Generalizable and Source-Free Person Re-Identification},
author = {Sundas Iqbal and Qing Tian and Danish Ali and Jianping Gou and Weihua Oue},
journal= {arXiv preprint arXiv:2605.00111},
year = {2026}
}