用于隔离摄像头监督下行人重识别的摄像头条件稳定特征生成
计算机视觉与模式识别
2022-04-05 v2
摘要
为学习用于行人重识别（Re-ID）的摄像头视角不变特征，每个人的跨摄像头图像对起着重要作用。然而，在隔离摄像头监督（ISCS）设定下，此类跨视角训练样本可能不可用，例如部署在远距离场景中的监控系统。为处理这一挑战性问题，引入了一种新流程，通过在特征空间中合成跨摄像头样本用于模型训练。具体而言，特征编码器与生成器在一种新方法——摄像头条件稳定特征生成（CCSFG）下端到端优化。其联合学习过程引发了对生成模型训练稳定性的担忧。因此，提出了一种新的特征生成器，即 σ-正则化条件变分自编码器（σ-Reg. CVAE），并从理论和实验上分析了其鲁棒性。在两个 ISCS 行人 Re-ID 数据集上的大量实验证明了我们的 CCSFG 相对于竞争方法的优越性。
引用
@article{arxiv.2203.15210,
title = {Camera-Conditioned Stable Feature Generation for Isolated Camera Supervised Person Re-IDentification},
author = {Chao Wu and Wenhang Ge and Ancong Wu and Xiaobin Chang},
journal= {arXiv preprint arXiv:2203.15210},
year = {2022}
}
备注
11 pages, 9 figures, accepted by CVPR 2022