基于语义注意力网络的人物图像生成用于行人重识别
计算机视觉与模式识别
2020-08-19 v1
摘要
姿态变化是阻碍网络学习鲁棒行人重识别（Re-ID）模型的关键因素之一。为解决此问题，我们提出一种新颖的由姿态引导的人物图像生成方法，称为语义注意力网络。该网络由若干语义注意力块组成，每个块致力于保留并更新姿态编码与衣物纹理。二值分割掩码与语义解析的引入对于在姿态引导图像生成中无缝拼接前景与背景十分重要。与其他方法相比，我们的网络能同时更好地刻画体型并保持衣物属性。我们合成的图像能获取与原图更好的外观与形状一致性。实验结果表明，在 Market-1501 与 DeepFashion 上，我们的方法在定量与定性结果方面均具竞争力。此外，我们利用基于姿态迁移人物扩充数据训练的行人重识别（Re-ID）系统进行了广泛评估。实验显示，我们的方法能显著提升行人 Re-ID 准确率。
引用
@article{arxiv.2008.07884,
title = {Person image generation with semantic attention network for person re-identification},
author = {Meichen Liu and Kejun Wang and Juihang Ji and Shuzhi Sam Ge},
journal= {arXiv preprint arXiv:2008.07884},
year = {2020}
}