基于GAN的姿态感知调节用于基于视频的行人重识别
计算机视觉与模式识别
2019-03-28 v1
摘要
基于视频的行人重识别面临着匹配长度不同且目标姿态/视角结构不完整的非受控序列这一固有难题。常见方法要么将该问题化简为静态图像情形，面临显著的信息损失；要么如 Siamese 循环神经网络或步态分析那样利用序列间时间依赖关系。然而，在所有情况下，均未考虑序列间姿态/视角错位，且现有的空间方法大多局限于静态图像场景。为此，我们提出一种新方法，通过考量变化姿态/视角因素在序列匹配过程中的作用，更有效地利用丰富的视频信息。具体而言，我们的方法由两个组件构成。第一个组件试图用 GAN 生成的合成图像补充序列所携带的原始姿态不完整信息，并将其特征向量融合为更具判别力的视角不敏感嵌入，即加权融合（WF）。另一个组件对序列对执行显式的基于姿态的对齐，以促进一致的特征匹配，即加权姿态调节（WPR）。在两个大型基于视频的基准数据集上的大量实验表明，我们的方法大幅优于现有方法。
引用
@article{arxiv.1903.11552,
title = {GAN-based Pose-aware Regulation for Video-based Person Re-identification},
author = {Alessandro Borgia and Yang Hua and Elyor Kodirov and Neil M. Robertson},
journal= {arXiv preprint arXiv:1903.11552},
year = {2019}
}