CCPA：通过对比服装与姿态增强的长期行人重识别
计算机视觉与模式识别
2024-02-23 v1
摘要
长期行人重识别（LRe-ID）旨在经过长时间后跨摄像头匹配个体，其间存在服装、姿态和视角的变化。在本文中，我们提出了 CCPA：一种用于 LRe-ID 的对比服装与姿态增强框架。除了外观信息，CCPA 还利用关系图注意力网络（Relation Graph Attention Network）捕捉与服装无关的体型信息。训练一个 robust 的 LRe-ID 模型需要广泛的服装变化和昂贵的服装标注，而当前的 LRe-ID 数据集缺乏这些。为解决这一问题，我们在不同身份间执行服装和姿态迁移，以生成具有更多服装变化以及不同人穿着相似服装的图像。增强后的图像批次作为输入送入我们提出的细粒度对比损失（Fine-grained Contrastive Losses），这不仅监督 Re-ID 模型在长期场景下学习判别性行人嵌入，还确保了分布内数据生成。在 LRe-ID 数据集上的结果证明了我们要提出的 CCPA 框架的有效性。
引用
@article{arxiv.2402.14454,
title = {CCPA: Long-term Person Re-Identification via Contrastive Clothing and Pose Augmentation},
author = {Vuong D. Nguyen and Shishir K. Shah},
journal= {arXiv preprint arXiv:2402.14454},
year = {2024}
}