面向混合衣物状态终身行人重识别的图像-文本-图像知识迁移

随着智能监控网络的不断扩展，终身行人重识别受到了广泛关注，追求跨不同领域自我进化的需求。然而，现有的终身行人重识别研究在积累知识时假设人们不会更换衣物。在本文中，我们提出了一个更实际的任务，即混合衣物状态的终身行人重识别，它在终身学习过程中考虑了一系列换衣和同衣领域。为了解决混合衣物状态终身行人重识别中知识粒度不匹配和知识表示不匹配的挑战，我们利用文本空间的一致性和泛化能力，提出了一个名为$Teata$的新颖框架，以在“图像-文本-图像”闭环中有效地对齐、迁移和积累知识。具体来说，为了实现有效的知识迁移，我们设计了一种结构化语义提示学习，将文本提示分解为几个结构化对，以统一的文本描述粒度从图像空间中提取知识。然后，我们引入了一种知识适应与投影策略，该策略通过一个慢速学习者调整文本知识，以适应不同任务而不会发生灾难性遗忘。大量实验证明了我们提出的$Teata$在混合衣物状态终身行人重识别以及传统终身行人重识别基准上相对于先进方法的优越性。