面向可泛化行人重识别的域不变表示学习
计算机视觉与模式识别
2022-12-20 v4 机器学习
摘要
可泛化行人重识别(ReID)近年来在计算机视觉领域引起了越来越多的关注。在这项工作中，我们构建了身份标签、身份特定因素（衣服/鞋子颜色等）与域特定因素（背景、视角等）之间的结构因果模型。根据因果分析，我们提出了一种新颖的面向可泛化行人重识别的域不变表示学习（DIR-ReID）框架。具体而言，我们首先提出解耦身份特定与域特定的特征空间，并基于此提出一种有效的后门调整算法实现，本质上充当针对该结构因果模型的因果干预。我们进行了大量实验，表明DIR-ReID在大规模域泛化ReID基准上优于最先进的方法。
引用
@article{arxiv.2103.15890,
title = {Learning Domain Invariant Representations for Generalizable Person Re-Identification},
author = {Yi-Fan Zhang and Zhang Zhang and Da Li and Zhen Jia and Liang Wang and Tieniu Tan},
journal= {arXiv preprint arXiv:2103.15890},
year = {2022}
}