LATex：面向航空-地面人员重识别的基于属性文本知识的学习方法
计算机视觉与模式识别
2025-10-31 v3
摘要
在智能交通系统中，航空-地面人员重识别（AG-ReID）旨在跨越不同视角的异构摄像头系统中检索特定人员。以往方法通常采用深度学习模型，侧重于提取视角不变特征，但往往忽视人员属性中的语义信息。此外，现有训练策略常依赖对大规模模型的全参数微调，显著增加训练成本。为此，我们提出了 novel 框架 LATex，用于 AG-ReID，采用 prompt-tuning 策略以利用属性文本知识。具体而言，基于对比语言-图像预训练（CLIP）模型，我们首次提出属性感知图像编码器（AIE）从输入图像中提取全局语义特征和属性感知特征。随后，利用这些特征，我们提出了 prompted 属性分类器组（PACG）以预测人员属性并获取属性表示。最后，我们设计耦合 prompt 模板（CPT）将属性表示和视角信息转化为结构化句子，这些句子经文本编码器处理后生成更具辨识度的特征。因此，我们的框架能够充分利用属性文本知识提升 AG-ReID 性能。在三个 AG-ReID 数据集上的大量实验表明，我们所提出方法的有效性。源码已公开于 https://github.com/kevinhu314/LATex。
引用
@article{arxiv.2503.23722,
title = {LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification},
author = {Pingping Zhang and Xiang Hu and Yuhao Wang and Huchuan Lu},
journal= {arXiv preprint arXiv:2503.23722},
year = {2025}
}
备注
More modifications may be performed