从视角出发剖析行人重识别

视角、姿态、光照和背景等视觉因素的变化通常被视为行人重识别（re-ID）中的重要挑战。尽管公认这些因素具有影响，但关于它们如何影响重识别系统的定量研究仍然匮乏。为在这一科学探索中获得见解，本文较早地尝试研究其中一个特定因素：视角。我们将视角问题缩小到行人旋转角度，以获得聚焦的结论。就此，本文对学界作出两点贡献。首先，我们引入了一个大规模合成数据引擎 PersonX。该引擎由手工制作的 3D 行人模型组成，其显著特征是“可控”，即我们能够通过将视觉变量设置为任意值来合成行人。其次，在该 3D 数据引擎上，我们定量分析了行人旋转角度对重识别精度的影响。全面地，行人旋转角度被从 0 到 360 精确定制，使我们能够研究其在训练集、查询集和图库集上的效应。大量实验帮助我们更深入地理解行人重识别中的基本问题。我们的研究也为数据集构建和未来实际使用提供了有用见解，例如，侧视图行人是更好的查询对象。