MSP-ReID：面向换装状态下的披肩-鲜明人体重识别
计算机视觉与模式识别
2026-03-10 v2
摘要
换装状态下的人体重识别 (CC-ReID) 旨在不同服装条件下匹配同一身份的人。现有方法常移除服装并专注于头部区域，以减少服装偏见。然而，单纯整体处理头部而不区分面部与发型，导致过度依赖易变的发型线索，在发型变化时造成性能下降。为此，我们提出了减轻发型干扰与结构保持 (MSP) 框架。具体而言，MSP引入面向发型的增强 (HSOA)，生成身份内部的发型多样性，以减少对发型的依赖并增强对稳定面部与身体线索的注意力。为防止结构信息丢失，我们设计了服装保持随机擦除 (CPRE)，在服装区域内进行比例受控擦除，以抑制纹理偏见同时保留身体形状与上下文。此外，我们采用区域解析注意力 (RPA) 融合解析引导的先验，突出面部和肢体区域的特征，抑制发型特征。广泛的实验表明，MSP 在多个 CC-ReID 数据集上实现了最先进的性能，为长期人体重识别提供了稳健且实用的解决方案。
引用
@article{arxiv.2603.01640,
title = {MSP-ReID: Hairstyle-Robust Cloth-Changing Person Re-Identification},
author = {Xiangyang He and Lin Wan},
journal= {arXiv preprint arXiv:2603.01640},
year = {2026}
}
备注
Accepted to the 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2026). The GitHub code for this paper is available at: https://github.com/miaomiaogg/MSP-ReID