面向换衣行人重识别的身份感知双约束网络
计算机视觉与模式识别
2024-03-27 v2
摘要
换衣行人重识别 (CC-ReID) 旨在更真实的监控场景中准确识别目标行人，这些场景中行人通常会更换服装。尽管取得了巨大进展，现有 CC-ReID 数据集中有限的换衣训练样本仍然阻碍模型充分学习与衣物无关的特征。此外，由于缺乏显式监督来使模型持续关注与衣物无关的区域，现有方法仍受服装变化的干扰。为解决上述问题，我们为 CC-ReID 任务提出了一个身份感知双约束网络 (IDNet)。具体而言，为帮助模型提取与衣物无关的线索，我们提出了一种衣物多样性增强 (CDA) 方法，通过丰富服装颜色同时保留纹理来生成更真实的换衣样本。此外，设计了一个多尺度约束块 (MCB)，用于提取细粒度的身份相关特征并有效迁移与衣物无关的知识。进而，提出了一个反事实引导注意力模块 (CAM)，从通道和空间维度学习与衣物无关的特征，并利用反事实干预来监督注意力图，以突出身份相关区域。最后，设计了一个语义对齐约束 (SAC) 以促进高层语义特征交互。在四个 CC-ReID 数据集上的综合实验表明，我们的方法优于先前最先进的方法。
引用
@article{arxiv.2403.08270,
title = {Identity-aware Dual-constraint Network for Cloth-Changing Person Re-identification},
author = {Peini Guo and Mengyuan Liu and Hong Liu and Ruijia Fan and Guoquan Wang and Bin He},
journal= {arXiv preprint arXiv:2403.08270},
year = {2024}
}