面向无数据持续无监督域自适应行人重识别的颜色提示方法
计算机视觉与模式识别
2023-08-22 v1
摘要
无监督域自适应行人重识别（Re-ID）方法通过生成伪监督信息缓解了数据标注负担。然而，真实世界的 Re-ID 系统随着数据流的持续累积，同时需要更强的自适应与抗遗忘能力。基于图像重演的方法以有限的额外存储解决遗忘问题，但存在隐私泄露风险。本文中，我们提出一种用于无数据持续无监督域自适应行人 Re-ID 的颜色提示（CoP）方法。具体而言，我们采用轻量级提示网络在当前任务中与 Re-ID 训练一同拟合颜色分布。然后对于后续新任务，学到的颜色分布作为颜色风格迁移引导将图像转为过往风格。CoP 对过往任务实现准确的颜色风格恢复并具备充足数据多样性，相比图像重演方法带来更优的抗遗忘效果。此外，给定仅少量无标签图像，CoP 展现出强大的泛化性能以快速自适应到新域。大量实验表明，在持续训练流程后，所提 CoP 在已见和未见域上分别比较重演方法取得 6.7% 和 8.1% 的平均 rank-1 提升。本工作的源代码公开于 https://github.com/vimar-gu/ColorPromptReID。
引用
@article{arxiv.2308.10716,
title = {Color Prompting for Data-Free Continual Unsupervised Domain Adaptive Person Re-Identification},
author = {Jianyang Gu and Hao Luo and Kai Wang and Wei Jiang and Yang You and Jian Zhao},
journal= {arXiv preprint arXiv:2308.10716},
year = {2023}
}