细节见真章：面向行人重识别中条件嵌入的视觉线索对齐
计算机视觉与模式识别
2020-12-08 v2
摘要
尽管行人重识别（Person Re-Identification）已取得令人瞩目的进展，但遮挡、视角变化以及相似衣着等困难情形仍带来巨大挑战。除整体视觉特征外，匹配与比较细节信息对于应对这些挑战同样至关重要。本文提出两种关键的识别模式，以更好地利用行人图像的细节信息，而现有多数方法无法满足这两点。首先，视觉线索对齐（Visual Clue Alignment）要求模型从两幅图像中选取并对齐决定性区域对进行成对比较，而现有方法仅按预定义规则（如高特征相似度或相同语义标签）对齐区域。其次，条件特征嵌入（Conditional Feature Embedding）要求查询图像的整体特征根据其所匹配的画廊图像动态进行调整，而现有多数方法忽略了参考图像。通过引入包括对应注意力模块和基于差异的图卷积网络（GCN）等新技术，我们提出了一种端到端的重识别方法，将两种模式整合入统一框架，称为 CACE-Net（(C)lue (A)lignment and (C)onditional (E)mbedding）。实验表明，CACE-Net 在三个公开数据集上取得了最先进的性能。
引用
@article{arxiv.2009.05250,
title = {Devil's in the Details: Aligning Visual Clues for Conditional Embedding in Person Re-Identification},
author = {Fufu Yu and Xinyang Jiang and Yifei Gong and Shizhen Zhao and Xiaowei Guo and Wei-Shi Zheng and Feng Zheng and Xing Sun},
journal= {arXiv preprint arXiv:2009.05250},
year = {2020}
}