用于跨视角行人重识别的交叉生成对抗网络
计算机视觉与模式识别
2018-01-08 v1
摘要
行人重识别（re-id）指的是在不相交且非重叠的相机视角间匹配行人。匹配这些经历显著视觉变化的行人最有效的方式是寻找能够忠实描述感兴趣人物的可靠不变特征。现有多数方法以监督方式呈现，依靠对应标注的成对图像来产生判别性特征。然而，标注成对图像在人力上极其昂贵，因此在大规模网络相机中不实用。此外，跨相机视角寻找可比较的表示需要一个灵活模型来处理图像的复杂分布。在本工作中，我们研究了图像对之间的共现统计模式，并提出交叉生成对抗网络（Cross-GAN）以无监督方式学习跨图像表示的联合分布。给定一对行人图像，所提模型由将图像对编码为各自潜变量的变分自编码器、用于减小视角差异的所提跨视角对齐，以及用于寻找潜表示联合分布的对抗层组成。学习到的潜表示良好对齐以反映成对图像的共现模式。我们在具有挑战性的数据集上对所提模型进行了实证评估，结果表明与半监督/无监督最优方法相比，联合不变特征在提升行人重识别匹配率方面的重要性。
引用
@article{arxiv.1801.01760,
title = {Crossing Generative Adversarial Networks for Cross-View Person Re-identification},
author = {Chengyuan Zhang and Lin Wu and Yang Wang},
journal= {arXiv preprint arXiv:1801.01760},
year = {2018}
}
备注
12 pages. arXiv admin note: text overlap with arXiv:1702.03431 by other authors