OmniPerson：统一且保持身份一致的行人生成
计算机视觉与模式识别
2025-12-03 v1
摘要
行人重识别（ReID）因数据隐私和标注成本的挑战，导致缺乏大规模高质量训练数据。虽然已有研究探索了行人生成用于数据增强，但往往难以确保身份一致性且可控性不足，限制了其在数据集增强中的效果。为此，我们引入 OmniPerson，这是首个为可见/红外图像/视频 ReID 任务提供统一身份保持行人生成管道。我们的贡献有三点：1）提出 OmniPerson，一个统一生成模型，能够对所有关键行人属性进行整体和细粒度控制。支持 RGB/IR 模态图像/视频生成，可接受任意数量的参考图像，两种人体姿态以及文本输入。包括 RGB 到 IR 转换和图像超分辨能力。2）设计 Multi-Refer Fuser 用于稳健的身份保持，支持任意数量的参考图像输入，使 OmniPerson 能够从多视角参考图像中提炼出统一的身份，确保生成的行人实现高保真生成。3）引入 PersonSyn，这是首个针对多参考、可控行人生成的大规模数据集，并呈现其自动化精选管道，将公开的仅含 ID 的 ReID 基准转化为密集、多模态监督所需的丰富标注资源。实验结果表明，OmniPerson 在行人生成方面实现最先进技术，在视觉保真度和身份一致性方面均表现卓越。此外，使用我们生成的数据增强现有数据集，一致地提升了 ReID 模型的性能。我们将开源完整代码库、预训练模型以及 PersonSyn 数据集。
关键词
引用
@article{arxiv.2512.02554,
title = {OmniPerson: Unified Identity-Preserving Pedestrian Generation},
author = {Changxiao Ma and Chao Yuan and Xincheng Shi and Yuzhuo Ma and Yongfei Zhang and Longkun Zhou and Yujia Zhang and Shangze Li and Yifan Xu},
journal= {arXiv preprint arXiv:2512.02554},
year = {2025}
}