PGDS：用于缓解换衣行人重识别的姿态引导深度监督
计算机视觉与模式识别
2024-06-04 v3
摘要
行人重识别（Re-ID）任务旨在通过监控摄像头增强对多个个体的追踪。它支持多模态任务，包括基于文本的行人检索和人体匹配。Re-ID 面临的最重大挑战之一是换衣，即同一个人可能穿着不同的服装。尽管先前的方法在保持服装数据一致性和处理服装变化数据方面取得了显著进展，但它们仍然过度依赖服装信息，由于人体外观的动态特性，这可能会限制性能。为了缓解这一挑战，我们提出了姿态引导深度监督（PGDS），这是一种在 Re-ID 任务中学习姿态引导的有效框架。它由三个模块组成：人体编码器、姿态编码器和姿态到人体投影模块（PHP）。我们的框架通过 PHP 模块的知识转移机制，利用来自姿态编码器的姿态信息在多层上引导人体编码器（即主重识别模型），帮助人体编码器学习身体部位信息，而不会在推理阶段增加计算资源。通过大量实验，我们的方法超越了当前 SOTA 方法的性能，证明了其在实际应用中的鲁棒性和有效性。我们的代码可在 https://github.com/huyquoctrinh/PGDS 获取。
引用
@article{arxiv.2312.05634,
title = {PGDS: Pose-Guidance Deep Supervision for Mitigating Clothes-Changing in Person Re-Identification},
author = {Quoc-Huy Trinh and Nhat-Tan Bui and Dinh-Hieu Hoang and Phuoc-Thao Vo Thi and Hai-Dang Nguyen and Debesh Jha and Ulas Bagci and Ngan Le and Minh-Triet Tran},
journal= {arXiv preprint arXiv:2312.05634},
year = {2024}
}
备注
Accepted at AVSS 2024