通过因果干预进行衣物不变特征学习以实现换衣行人重识别
计算机视觉与模式识别
2023-05-11 v1
摘要
衣物不变特征提取对换衣行人重识别（CC-ReID）至关重要。其可提供判别性身份特征并消除由混杂因子——衣物变化引起的负面影响。但我们认为衣物与人的身份间存在强伪相关，限制了基于似然的常见 ReID 方法 P(Y|X) 提取与衣物无关的特征。本文中，我们提出一种新的因果衣物不变学习（CCIL）方法，通过建模因果干预 P(Y|do(X)) 实现衣物不变特征学习。这一基于因果的新模型在因果视角下对混杂因子天然具有不变性，可达成衣物不变特征并避免基于似然方法所面临的障碍。在包括 PRCC、LTCC 与 VC-Clothes 的三个 CC-ReID 基准上的大量实验证明了我们方法的有效性，其取得了新的最先进水平。
引用
@article{arxiv.2305.06145,
title = {Clothes-Invariant Feature Learning by Causal Intervention for Clothes-Changing Person Re-identification},
author = {Xulin Li and Yan Lu and Bin Liu and Yuenan Hou and Yating Liu and Qi Chu and Wanli Ouyang and Nenghai Yu},
journal= {arXiv preprint arXiv:2305.06145},
year = {2023}
}