仅用 RGB 模态的换衣行人重识别
计算机视觉与模式识别
2022-04-15 v1
摘要
解决换衣行人重识别（re-id）的关键在于提取与衣物无关的特征，例如人脸、发型、体型和步态。当前多数工作主要关注从多模态信息（如剪影和草图）中建模体型，却未充分利用原始 RGB 图像中与衣物无关的信息。本文中，我们提出一种基于衣物的对抗损失（CAL），通过惩罚重识别模型相对于衣物的预测能力，从原始 RGB 图像中挖掘与衣物无关的特征。大量实验表明，仅使用 RGB 图像，CAL 在广泛使用的换衣行人重识别基准上优于所有最先进（SOTA）方法。此外，与图像相比，视频包含更丰富的外观及额外的时序信息，可用于建模适当的时空模式以辅助换衣重识别。由于目前没有公开的换衣视频重识别数据集，我们贡献了一个名为 CCVID 的新数据集，并表明在建模时空信息方面存在很大改进空间。代码与新数据集可在 https://github.com/guxinqian/Simple-CCReID 获取。
引用
@article{arxiv.2204.06890,
title = {Clothes-Changing Person Re-identification with RGB Modality Only},
author = {Xinqian Gu and Hong Chang and Bingpeng Ma and Shutao Bai and Shiguang Shan and Xilin Chen},
journal= {arXiv preprint arXiv:2204.06890},
year = {2022}
}
备注
Accepted by CVPR 2022