视频重识别中的局部-全局关联帧组装
计算机视觉与模式识别
2021-10-26 v1
摘要
视频序列中自动生成的目标边界框所含噪声帧与不具代表性帧，给视频重识别（Re-ID）中判别性表征的学习带来显著挑战。现有多数方法通过依据局部部件对齐或全局表观相关性分别评估视频帧的重要性来解决该问题。然而，鉴于捕获视频数据中通常共存的多样且未知的噪声来源，现有方法尚不能令人满意地奏效。本工作中，我们联合探索局部对齐与全局相关性，并进一步考虑二者的相互促进/增强，从而更好地在视频轨迹的所有相关帧中组装互补的判别性 Re-ID 信息。具体而言，我们同时优化一个基于局部对齐区分每帧质量的局部对齐质量（LAQ）模块，以及一个估计全局表观相关性的全局相关质量（GCQ）模块。借助局部组装的全局表观原型，我们将 LAQ 与 GCQ 相关联以发掘其互补性。大量实验在 MARS、Duke-Video、Duke-SI、iLIDS-VID 和 PRID2011 五个 Re-ID 基准上证明了所提模型相对于最先进方法的优越性。
引用
@article{arxiv.2110.12018,
title = {Local-Global Associative Frame Assemble in Video Re-ID},
author = {Qilei Li and Jiabo Huang and Shaogang Gong},
journal= {arXiv preprint arXiv:2110.12018},
year = {2021}
}
备注
British Machine Vision Conference (BMVC) 2021. Project at http://liqilei.github.io/projects/li2021loga