基于内置伪标签的属性引导遮挡行人重识别
计算机视觉与模式识别
2025-08-08 v1
摘要
行人重识别 (Re-ID) 旨在匹配不同摄像头视角下的行人图像, 针对遮挡行人重识别则关注行人部分可见的场景。虽然预训练的视觉语言模型在重识别任务中显示出有效性, 但在遮挡场景下面临显著挑战, 由于其关注整体图像语义而忽略细粒度属性信息。这一限制在处理部分遮挡的行人或区分外观细微差异不同的个体时尤为突出。为解决这一问题, 我们提出属性引导重识别 (AG-ReID), 一个新型框架, 利用预训练模型内置的能力从无需额外数据或标注的情况下提取细粒度语义属性。我们的框架通过两个阶段运行: 首先生成捕获细微视觉特征的属性伪标签, 然后引入双引导机制, 将整体信息和细粒度属性信息结合以增强图像特征提取。大量实验表明, AG-ReID 在多个广泛使用的重识别数据集上实现了最新的结果, 在处理遮挡和细微属性差异的同时, 在标准重识别场景中保持竞争性能。
引用
@article{arxiv.2508.04998,
title = {Attribute Guidance With Inherent Pseudo-label For Occluded Person Re-identification},
author = {Rui Zhi and Zhen Yang and Haiyang Zhang},
journal= {arXiv preprint arXiv:2508.04998},
year = {2025}
}
备注
8 pages, 2 supplement pages, 3 figures, ECAI2025