基于上下文感知的多模态终身人体重识别
组合数学
2025-09-16 v1 数论
摘要
人体重识别（ReID）在现实世界的监控系统中面临诸多挑战，包括衣物变化（CCReID）以及维持持续学习（LReID）的需求。现有方法要么开发针对单一应用的模型，这些模型大多处于相同衣物（SC）设置下，要么将 CCReID 作为独立的子问题来处理。本文提出 LReID-Hybrid 任务，旨在开发模型以同时实现 SC 与 CC，并在持续学习环境中进行训练。我们采用 CMLReID 框架，该框架由两项新任务构成：（1）上下文感知语义提示（CASP），生成自适应提示，并将上下文纳入以将富含多细节的视觉线索与语义文本空间对齐；（2）自适应知识融合与投影（AKFP），通过采用双路径学习器并结合我们的衣物状态感知投影损失，对齐特征，产生稳健的 SC/CC 样本。实验在广泛的数据集上进行，结果表明 CMLReID 在面对衣物变化及其复杂的顺序学习过程时，优于所有最先进的方法，表现出强大的鲁棒性和泛化能力。
引用
@article{arxiv.2509.11246,
title = {Log-Concavity and Log-Convexity of Restricted Infinite Products},
author = {Krystian Gajdzica and Bernhard Heim and Markus Neuhauser},
journal= {arXiv preprint arXiv:2509.11246},
year = {2025}
}
备注
27 pages, 1 figure