HiHR: Hierarchical Hyperbolic Representation for Aerial-Ground Person Re-Identification

空中-地面人物重识别（AG-ReID）旨在跨异质空中和地面相机平台检索同一人物。尽管取得了巨大进展，现有方法仍因跨视图的直接特征对齐而表现不佳，忽略了特定视图的线索。为解决此问题，我们提出了用于AG-ReID的新型分层双曲表示（HiHR）框架。具体而言，我们首先基于预训练视觉-文本编码器提取多粒度特征。然后，我们提出了文本引导的多粒度融合（TMF）来融合多粒度特征并增强身份特征表示能力。此外，我们引入了分层双曲学习（HHL）来在双曲空间中构建分层特征结构。该层次包括一个粗粒度，确保身份可分离性和跨视图一致性，以及一个细粒度，保留特定视图的判别性线索。因此，我们提出的框架可以有效地聚合不变视图和特定视图判别性特征用于AG-ReID。在四个AG-ReID基准上的广泛实验证明了所提框架的有效性。所提供的源代码发布于https://github.com/YangQiWei3/HiHR。