IDM：一种用于域自适应行人重识别的中间域模块
计算机视觉与模式识别
2021-08-06 v1
摘要
无监督域自适应行人重识别（UDA re-ID）旨在迁移有标注源域的知识以提升模型在无标注目标域上的判别力。从一个新颖的视角，我们认为源域与目标域之间的桥接可被用于解决 UDA re-ID 任务，并着重于显式建模恰当的中间域来刻画这一桥接。具体地，我们提出一个中间域模块（IDM），通过使用两个域因子混合源域和目标域的隐表示，来动态生成中间域的表示。基于“最短测地路径”定义，即两极端域之间沿最短测地路径的中间域能起到更好的桥接作用，我们提出这些中间域应满足的两个性质。为确保这两个性质能更好地刻画恰当的中间域，我们在中间域的预测空间与特征空间上施加桥接损失，并对两个域因子施加多样性损失。桥接损失旨在引导恰当中间域的分布与源域和目标域保持合适距离。多样性损失作为一种正则化，防止生成的中间域过拟合到源域或目标域中的任一方。我们提出的方法在所有常见 UDA re-ID 任务上大幅优于当前最优方法，在具挑战性的 MSMT17 基准上 mAP 提升高达 7.7%。代码见 https://github.com/SikaStar/IDM。
引用
@article{arxiv.2108.02413,
title = {IDM: An Intermediate Domain Module for Domain Adaptive Person Re-ID},
author = {Yongxing Dai and Jun Liu and Yifan Sun and Zekun Tong and Chi Zhang and Ling-Yu Duan},
journal= {arXiv preprint arXiv:2108.02413},
year = {2021}
}
备注
Accepted by ICCV 2021 (Oral)