面向行人重识别的端到端上下文辅助唯一性匹配

现有大多数行人重识别方法基于成对相似度的排序来计算跨摄像头视角下行人图像之间的匹配关系。这种缺乏全局视角与上下文考虑的匹配策略不可避免地导致模糊的匹配结果与次优性能。基于一个自然假设——属于同一行人身份的图像不应与跨视角的多个不同行人身份的图像相匹配，即身份层面上的行人匹配唯一性，我们提出了一种端到端的行人唯一性匹配架构，用于学习与精炼行人匹配关系。首先，我们利用特征空间中图像样本的上下文信息，通过图神经网络生成初始软匹配结果。其次，我们利用样本的全局上下文关系对软匹配结果进行精炼，并通过二部图匹配达到匹配唯一性。充分考虑到真实世界中的行人重识别应用，我们在行人重识别的单样本与多样本设定下均实现了唯一性匹配，并进一步开发了不损失性能的快速版唯一性匹配。所提方法在五个公开基准上进行了评估，包括四个多样本数据集 MSMT17、DukeMTMC、Market1501、CUHK03，以及一个单样本数据集 VIPeR。实验结果表明所提方法在性能与效率上的优越性。