利用弱对 uncertainty 进行基于文本的人搜索
计算机视觉与模式识别
2026-04-13 v1
摘要
本文研究了通过自然语言描述检索感兴趣人的文本-based 人搜索问题。现有方法通常致力于视觉模态与文本模态之间的严格一对一对应匹配，如对比学习。然而，这种范式无意中忽略了弱正面图像-文本对，这些对来自不同视角（摄像头）但描述同一人的文本。为了充分利用弱正面，我们引入一种不确定性感知方法，显式估计图像-文本对的不确定性，并以平滑方式将其纳入优化过程。具体而言，本方法包含两个模块：不确定性估计和不确定性正则化。(1) 不确定性估计用于获取给定正面对的相对置信度；(2) 基于预测的不确定性，我们提出不确定性正则化以自适应调整损失权重。此外，我们引入基于组的图像-文本匹配损失，以进一步促进弱对之间的表示空间。与现有方法相比，本方法显式地防止模型将潜在的弱正面候选者推远。 在三个广泛使用的数据集上进行大量实验，例如 CUHK-PEDES、RSTPReid 和 ICFG-PEDES，验证了本方法相对于现有竞争方法在 mAP 上的提升分别为 +3.06%、+3.55% 和 +6.94%。
引用
@article{arxiv.2604.08877,
title = {Harnessing Weak Pair Uncertainty for Text-based Person Search},
author = {Jintao Sun and Zhedong Zheng and Gangyi Ding},
journal= {arXiv preprint arXiv:2604.08877},
year = {2026}
}
备注
39 pages, 15 tables, 7 figures