GEFF：利用人脸特征进行画廊扩充以改进任意换装行人重识别模型
计算机视觉与模式识别
2023-11-22 v2
摘要
在换装行人重识别（CC-ReID）问题中，给定一个人的查询样本，目标是基于标注画廊确定正确身份，其中该人以不同服装出现。若干模型通过提取与服装无关的特征来应对这一挑战。然而，与标注画廊中人以相同服装出现的不换装设定相比，这些模型在换装设定下的性能仍较低。由于服装相关特征通常是数据中的主导特征，我们提出了一种称为画廊扩充的新流程以利用这些特征。在该流程中，我们基于查询样本的人脸特征，使用无监督算法将查询样本添加至原始画廊以扩充之。此外，我们表明，将ReID与人脸特征提取模块及扩充画廊相结合可得到更精确的ReID模型，即便对于不含人脸的新着装查询样本亦如此。进而，我们指出现有CC-ReID基准并未充分代表真实场景，并提出了名为42Street的基于包含拥挤场景与大量换装戏剧表演的新视频CC-ReID数据集。当应用于多个ReID模型时，我们的方法（GEFF）在PRCC和LTCC基准的Top-1换装指标上分别取得33.5%和6.7%的平均提升。结合最新ReID模型，我们的方法在PRCC、LTCC、CCVID、LaST和VC-Clothes基准及所提42Street数据集上取得了新的SOTA结果。
引用
@article{arxiv.2211.13807,
title = {GEFF: Improving Any Clothes-Changing Person ReID Model using Gallery Enrichment with Face Features},
author = {Daniel Arkushin and Bar Cohen and Shmuel Peleg and Ohad Fried},
journal= {arXiv preprint arXiv:2211.13807},
year = {2023}
}