KeyRe-ID: 基于部件感知表示的人形关键点引导视频行人重识别
计算机视觉与模式识别
2025-07-18 v3 人工智能
摘要
我们提出KeyRe-ID，一种基于人形关键点的视频人体重识别框架，包含全局和局部两个分支，通过利用人体关键点实现更优的时空表征学习。全局分支通过基于Transformer的时序聚合捕获整体身份语义，而局部分支基于关键点动态分割身体区域，以生成细粒度、部件感知的特征。在MARS和iLIDS-VID基准测试上进行的广泛实验表明，本方法实现了最先进的性能，在MARS上实现91.73%的mAP和97.32%的Rank-1准确率，在iLIDS-VID上实现96.00%的Rank-1和100.0%的Rank-5准确率。本工作的代码将在发表后公开于GitHub。
引用
@article{arxiv.2507.07393,
title = {KeyRe-ID: Keypoint-Guided Person Re-Identification using Part-Aware Representation in Videos},
author = {Jinseong Kim and Jeonghoon Song and Gyeongseon Baek and Byeongjoon Noh},
journal= {arXiv preprint arXiv:2507.07393},
year = {2025}
}
备注
10 pages, 2 figures,