MGH：面向无监督行人重识别的元数据引导超图建模

作为一项具有挑战性的任务，无监督行人重识别(ReID)旨在利用查询图像匹配同一身份，且不需要任何标注信息。一般而言，大多数现有方法仅关注视觉线索，而潜在有价值的辅助元数据信息（如时空上下文）未被探索。在真实世界中，此类元数据通常与所捕获图像一同可用，因而在区分若干困难 ReID 匹配中起重要作用。受此启发，我们提出 \textbf{MGH}，一种新颖的无监督行人 ReID 方法，其利用元信息构建超图以进行特征学习与标签精炼。原则上，该超图由相机拓扑感知超边组成，可建模跨相机的异质数据关联。利用超图上的标签传播，所提方法能够有效精炼 ReID 结果，例如纠正错误标签或平滑噪声标签。基于精炼结果，我们进一步提出一种基于记忆的列表式损失，以近似方式直接优化平均精度。在三个基准上的大量实验证明了所提方法相对于当前最优方法的的有效性。