跟随线索：基于跨模态智能进行人体重识别的实验
计算机视觉与模式识别
2025-07-16 v3 人工智能
计算与语言
摘要
街景录像的收集和发布作为开放数据在推动自动驾驶系统和人工智能研究方面发挥着关键作用。然而，这些数据集对于行人而言会带来显著的隐私风险，其中的可识别信息（PII）超出了面部等生物特征。本文提出了 cRID，一种新的跨模态框架，结合大型视觉-语言模型、图注意力网络和表示学习，以检测 PII 的可描述线索并增强人体重识别（Re-ID）。我们的方法侧重于识别和利用可解释特征，使我们能够检测超越低级外观线索的语义上有意义的 PII。我们对人体图像数据集中 PII 的存在进行系统性评估。我们的实验显示在实际的跨数据集 Re-ID 场景中（尤其是从 Market-1501 转到 CUHK03-np）可实现性能提升，凸显了该框架的实际实用性。代码可在 https://github.com/RAufschlaeger/cRID 获取。
引用
@article{arxiv.2507.01504,
title = {Following the Clues: Experiments on Person Re-ID using Cross-Modal Intelligence},
author = {Robert Aufschläger and Youssef Shoeb and Azarm Nowzad and Michael Heigl and Fabian Bally and Martin Schramm},
journal= {arXiv preprint arXiv:2507.01504},
year = {2025}
}
备注
accepted for publication at the 2025 IEEE 28th International Conference on Intelligent Transportation Systems (ITSC 2025), taking place during November 18-21, 2025 in Gold Coast, Australia