基于步态预测与正则化的单图像换装行人重识别
计算机视觉与模式识别
2022-04-01 v4
摘要
换装行人重识别（CC-ReID）旨在跨不同位置长时间（例如数天）匹配同一行人，因此不可避免地遇到更换衣物的挑战。在本文中，我们致力于在更具挑战性的设定下处理好CC-ReID问题，即仅从单张图像出发，这为实时监控应用实现了高效率且无延迟的行人识别。具体而言，我们引入步态识别作为辅助任务，利用个人独特且与衣物无关的步态信息来驱动图像ReID模型学习与衣物无关的表示，我们将该框架命名为GI-ReID。GI-ReID采用由图像ReID流和辅助步态识别流（Gait-Stream）组成的双流架构。为获得高计算效率而在推理时被丢弃的Gait-Stream，在训练中充当调节器以鼓励ReID-Stream捕获衣物不变的生物运动特征。为从单张图像获取时间连续的运功线索，我们为Gait-Stream设计了步态序列预测（GSP）模块以丰富步态信息。最后，强制两流间的高层语义一致性以实现有效的知识正则化。在多个基于图像的换装ReID基准（如LTCC、PRCC、Real28和VC-Clothes）上的实验表明，GI-ReID优于现有最先进方法。代码见https://github.com/jinx-USTC/GI-ReID。
引用
@article{arxiv.2103.15537,
title = {Cloth-Changing Person Re-identification from A Single Image with Gait Prediction and Regularization},
author = {Xin Jin and Tianyu He and Kecheng Zheng and Zhiheng Yin and Xu Shen and Zhen Huang and Ruoyu Feng and Jianqiang Huang and Xian-Sheng Hua and Zhibo Chen},
journal= {arXiv preprint arXiv:2103.15537},
year = {2022}
}
备注
Accepted by CVPR 2022. arXiv admin note: text overlap with arXiv:2002.02295 by other authors