超越同模态：异构行人重识别综述
计算机视觉与模式识别
2020-04-28 v4
摘要
高效且有效的行人重识别（ReID）系统使用户免于痛苦而枯燥的视频观看，并加速视频分析过程。近来，随着实际应用需求的爆发，大量研究工作致力于异构行人重识别（Hetero-ReID）。本文对解决模态间差异挑战的先进 Hetero-ReID 方法进行全面综述。依据应用场景，我们将方法分为四类——低分辨率、红外、草图与文本。我们首先介绍 ReID，并比较同质 ReID（Homo-ReID）与 Hetero-ReID 任务。随后，我们描述并比较用于评估的现有数据集，并综述 Hetero-ReID 中广泛采用的模型。我们还从应用场景与学习流程两个视角总结并比较代表性方法。最后讨论若干未来研究方向。后续更新见：https://github.com/lightChaserX/Awesome-Hetero-reID
引用
@article{arxiv.1905.10048,
title = {Beyond Intra-modality: A Survey of Heterogeneous Person Re-identification},
author = {Zheng Wang and Zhixiang Wang and Yinqiang Zheng and Yang Wu and Wenjun Zeng and Shin'ichi Satoh},
journal= {arXiv preprint arXiv:1905.10048},
year = {2020}
}
备注
Accepted by IJCAI 2020. Project url: https://github.com/lightChaserX/Awesome-Hetero-reID