面向终身行人重识别的自动选择知识适配器
计算机视觉与模式识别
2024-05-31 v2
摘要
终身行人重识别（LReID）通过要求系统从不同时间和地点的非重叠数据集中持续学习，适应新身份同时保留先前身份的知识，从而扩展了传统的ReID。现有的方法，无论是免重放还是基于重放的，仍然遭受灾难性遗忘的问题，因为它们试图将多样化的知识塞进一个固定的模型中。为了克服这一限制，我们引入了一个新颖的框架AdalReID，该框架采用知识适配器和一种无参数的自动选择机制进行终身学习。具体来说，我们在每一步增量地构建不同的适配器来学习特定领域的知识，这可以有效地学习和保留不同数据集中的知识。同时，所提出的自动选择策略自适应地计算输入集与适配器之间的知识相似性。一方面，为输入选择适当的适配器以处理ReID，另一方面，增强适配器之间的知识交互和融合，以提高模型的泛化能力。进行了大量实验以证明我们的AdalReID的优越性，在已知和未知领域上，其mAP显著优于SOTA约10~20%。
引用
@article{arxiv.2405.19005,
title = {Auto-selected Knowledge Adapters for Lifelong Person Re-identification},
author = {Xuelin Qian and Ruiqi Wu and Gong Cheng and Junwei Han},
journal= {arXiv preprint arXiv:2405.19005},
year = {2024}
}