DisenQ：解�od Q-Former 以实现活动-生物识别

本 work 聚焦于 activity-biometrics，即在多样化的活动集合中进行身份识别。这一设定引入了额外挑战，因为身份线索被运动动力学和外观变化所缠绕，使得生物识别特征学习更加复杂。虽然额外的视觉数据如姿态和/或轮廓有助于，但它们往往难以从 extraction 中获得准确信息。为克服这一困难，我们提出了一种以结构化文本监督为导引的多模态语言框架，以取代对额外视觉数据的依赖。其核心是引入DisenQ（Disentangling Q-Former），一个统一的查询变换器，通过利用结构化语言指导将生物识别特征、运动特征和非生物识别特征解�od，从而确保身份线索独立于外观和运动变化，防止误识别。我们在三个基于活动的视频基准数据集上评估了该方法，实现了最先进的性能。此外，我们在传统视频识别基准数据集上展示了强大的泛化能力，凸显了该框架的有效性。