面向换装服装的人体再识别的身份感知特征解耦学习
计算机视觉与模式识别
2025-01-13 v1
摘要
换装服装人体再识别（CC Re-ID）因其应用前景而受到近年来不断关注。现有大多数方法难以充分从原始 RGB 图像中提取与身份相关的信息。本文提出一种身份感知特征解耦（IFD）学习框架，以从数据中挖掘身份相关特征。具体而言，IFD 利用双流架构，包括主流和注意力流。注意力流以遮盖服装的图像为输入， derives（推导出）身份注意力权重，以有效将空间知识传递至主流，并突出身份信息丰富的区域。为消除两个流输入之间语义鸿沟，我们提出一种针对主流的服装偏置消除模块，以正则化服装相关区域的特征。大量实验结果表明，我们的框架在几个广泛使用的 CC Re-ID 数据集上优于其他基线模型。
引用
@article{arxiv.2501.05851,
title = {Identity-aware Feature Decoupling Learning for Clothing-change Person Re-identification},
author = {Haoxuan Xu and Bo Li and Guanglin Niu},
journal= {arXiv preprint arXiv:2501.05851},
year = {2025}
}
备注
Accepted by ICASSP2025