以中间域弥合跨域行人重识别的源到目标鸿沟
计算机视觉与模式识别
2022-03-04 v1
摘要
跨域行人重识别（re-ID），如无监督域自适应（UDA）re-ID，旨在将可判别身份的知误从源域迁移到目标域。现有方法通常认为源域和目标域彼此隔离，即两个域之间未建模任何中间状态。直接在两个隔离的域之间迁移知识可能非常困难，尤其当域间差异较大时。从一个新颖的视角，我们假设这两个域并非完全隔离，而是可通过中间域连接。我们不直接将源域和目标域相互对齐，而是提出将源域和目标域分别与其中间域对齐，以实现平滑的知识迁移。为发现并利用这些中间域，我们提出了中间域模块（IDM）和镜像生成模块（MGM）。IDM 有两个功能：1）通过混合源域和目标域的隐藏层特征生成多个中间域；2）动态减小源域/目标域特征与中间域特征之间的域间差异。虽然 IDM 实现了良好的域对齐，但它引入了一个副作用，即混合操作可能将身份混合为新身份并丢失原始身份。为此，引入 MGM，将特征映射到 IDM 生成的中间域而不改变其原始身份。它使得能够专注于最小化域变化以促进源域/目标域与中间域之间的对齐，从而将 IDM 强化为 IDM++。我们在 UDA 和域泛化（DG）两种场景下广泛评估了我们的方法，并观察到 IDM++ 为跨域 re-ID 带来了持续的性能提升，达到了新的 SOTA。
引用
@article{arxiv.2203.01682,
title = {Bridging the Source-to-target Gap for Cross-domain Person Re-Identification with Intermediate Domains},
author = {Yongxing Dai and Yifan Sun and Jun Liu and Zekun Tong and Yi Yang and Ling-Yu Duan},
journal= {arXiv preprint arXiv:2203.01682},
year = {2022}
}
备注
This work is a journal extension of our ICCV 2021 Oral paper https://openaccess.thecvf.com/content/ICCV2021/html/Dai_IDM_An_Intermediate_Domain_Module_for_Domain_Adaptive_Person_Re-ID_ICCV_2021_paper.html