学习平衡：面向换衣行人重识别的多样化归一化
计算机视觉与模式识别
2024-10-15 v2 人工智能
机器学习
摘要
换衣行人重识别涉及在图像中识别个体，无论其衣着状态如何。在本文中，我们通过实证和实验证明，完全消除或完全保留服装特征对任务都是有害的。现有工作，无论是依赖服装标签、轮廓还是其他辅助数据，从根本上都旨在平衡服装特征和身份特征的学习。然而，我们实际发现实现这种平衡具有挑战性且微妙。在本研究中，我们引入了一个名为Diverse Norm的新模块，它将个人特征扩展到正交空间，并使用通道注意力来分离服装和身份特征。还引入了一种样本重加权优化策略来保证相反的优化方向。Diverse Norm提供了一种简单而有效的方法，不需要额外数据。此外，Diverse Norm可以无缝集成到ResNet50中，并显著优于最先进的方法。
引用
@article{arxiv.2410.03977,
title = {Learning to Balance: Diverse Normalization for Cloth-Changing Person Re-Identification},
author = {Hongjun Wang and Jiyuan Chen and Zhengwei Yin and Xuan Song and Yinqiang Zheng},
journal= {arXiv preprint arXiv:2410.03977},
year = {2024}
}