用于换衣行人重识别的身份敏感知识传播方法
计算机视觉与模式识别
2022-08-26 v1
摘要
换衣行人重识别（CC-ReID）旨在匹配衣物变化下的行人身份，是近年来新兴的研究课题。然而，典型的基于生物特征的 CC-ReID 方法通常需要繁琐的姿态或身体部位估计器来从人体生物特征中学习与衣物无关的特征，这带来了高昂的计算成本。此外，由于监控图像的分辨率退化，性能受到显著限制。为应对上述局限，我们提出了一种高效的用于 CC-ReID 的身份敏感知识传播框架（DeSKPro）。具体而言，引入与衣物无关的空间注意力模块，通过从人体解析模块获取知识来消除衣物外观的干扰。为缓解分辨率退化问题并从人脸中挖掘身份敏感线索，我们提出利用先验人脸知识恢复缺失的面部细节，随后将其传播到一个更小的网络。训练后，不再需要用于人体解析或人脸恢复的额外计算。大量实验表明，我们的框架大幅优于最先进的方法。我们的代码可在 https://github.com/KimbingNg/DeskPro 获取。
引用
@article{arxiv.2208.12023,
title = {Identity-Sensitive Knowledge Propagation for Cloth-Changing Person Re-identification},
author = {Jianbing Wu and Hong Liu and Wei Shi and Hao Tang and Jingwen Guo},
journal= {arXiv preprint arXiv:2208.12023},
year = {2022}
}
备注
IEEE International Conference on Image Processing (ICIP) 2022