探索用于可见光-红外行人重识别的不变表示
计算机视觉与模式识别
2023-02-03 v1
摘要
跨光谱行人重识别旨在跨不同光谱关联行人身份,其面临的主要挑战是模态差异。本文在一个名为鲁棒特征挖掘网络(RFM)的端到端混合学习框架中,从图像级与特征级两方面解决该问题。具体而言,我们观察到不同波长拍摄的照片中同一表面的反射强度可用线性模型变换。此外,我们表明不同表面间变化的线性因子是引发模态差异的主因。我们将此种反射观察整合进图像级数据增强,提出线性变换生成器(LTG)。而且,在特征级,我们引入交叉中心损失以探索更紧凑的类内分布,以及模态感知空间注意力以更高效利用纹理区域。在两个标准跨光谱行人重识别数据集 RegDB 与 SYSU-MM01 上的实验结果展示了最先进的性能。
引用
@article{arxiv.2302.00884,
title = {Exploring Invariant Representation for Visible-Infrared Person Re-Identification},
author = {Lei Tan and Yukang Zhang and Shengmei Shen and Yan Wang and Pingyang Dai and Xianming Lin and Yongjian Wu and Rongrong Ji},
journal= {arXiv preprint arXiv:2302.00884},
year = {2023}
}