面向遮挡行人重识别的多视角信息整合与传播
计算机视觉与模式识别
2023-12-15 v3
摘要
由于遮挡扰动，遮挡行人重识别（re-ID）是一项具有挑战性的任务。尽管已做出大量努力以防止模型受遮挡噪声干扰，当前大多数方案仅从单幅图像捕获信息，忽视了描绘同一行人的多幅图像中丰富的互补信息。本文中，我们提出一种称为多视角信息整合与传播（MVIP）的新颖框架。具体而言，认识到多视角图像在有效刻画遮挡目标行人方面的潜力，我们整合其特征图以创建综合表征。在此过程中，为避免引入遮挡噪声，我们开发了 CAMs 感知的定位模块，选择性地整合有助于识别的信息。此外，考虑到不同图像判别性的差异，我们设计了概率感知的量化模块，以重点整合高可靠性信息。而且，由于测试阶段无法获取同一身份的多幅图像，我们设计了一种信息传播（IP）机制，将知识从综合表征蒸馏至单幅遮挡图像的表征。大量实验与分析已明确证明了所提 MVIP 的有效性与优越性。代码将发布于 \url{https://github.com/nengdong96/MVIIP}。
引用
@article{arxiv.2311.03828,
title = {Multi-view Information Integration and Propagation for Occluded Person Re-identification},
author = {Neng Dong and Shuanglin Yan and Hao Tang and Jinhui Tang and Liyan Zhang},
journal= {arXiv preprint arXiv:2311.03828},
year = {2023}
}
备注
Accepted by Information Fusion