因果性与“自然场景”下基于视频的行人重识别：综述
计算机视觉与模式识别
2025-05-29 v2
摘要
尽管在基准测试中表现优异，基于视频的行人重识别（Re-ID）在现实部署中依然脆弱。大多数现有模型依赖于衣着、背景或光照等浅层相关性，无法在不同领域、视角和时间变化间泛化。本综述探讨了因果推理作为一种原则性替代方案，在基于视频的 Re-ID 中取代传统基于相关性的方法的新兴作用。我们对利用结构因果模型、干预和反事实推理将身份特定特征与混淆因素隔离的方法进行了结构化且批判性的分析。本综述围绕因果 Re-ID 方法的新颖分类法展开，涵盖生成式解耦、领域不变建模和因果 Transformer。我们回顾了现有的评估指标，并引入了因果特定的鲁棒性度量。此外，我们评估了现实部署中必须解决的可扩展性、公平性、可解释性和隐私等实际挑战。最后，我们识别了开放问题，并概述了将因果建模与高效架构及自监督学习相结合的未来研究方向。本综述旨在为因果基于视频的行人 Re-ID 建立连贯的基础，并促进这一快速发展领域的下一阶段研究。
关键词
引用
@article{arxiv.2505.20540,
title = {Causality and "In-the-Wild" Video-Based Person Re-ID: A Survey},
author = {Md Rashidunnabi and Kailash Hambarde and Hugo Proença},
journal= {arXiv preprint arXiv:2505.20540},
year = {2025}
}
备注
30 pages, 9 figures