面向行人重识别的姿态驱动注意力引导图像生成
计算机视觉与模式识别
2021-04-29 v1 人工智能
机器学习
摘要
行人重识别（re-ID）关注在多摄像头监控系统中跨不同摄像头视角匹配行人图像。行人重识别的主要挑战之一是摄像头网络间的姿态变化，其显著影响人的外观。现有训练数据缺乏足够的姿态变化以有效训练行人重识别系统。为解决此问题，本文提出一种端到端的姿态驱动注意力引导生成对抗网络，用于生成一个人的多种姿态。我们提出通过注意力机制注意力式地学习并迁移主体姿态。提出语义一致性损失以在姿态迁移过程中保留人的语义信息。为确保姿态转换后精细图像细节真实，使用外观判别器，同时使用姿态判别器以确保迁移图像的姿态与目标姿态完全一致。我们表明，将该提出方法纳入行人重识别框架中，可实现真实的姿态迁移图像及最先进的重识别结果。
引用
@article{arxiv.2104.13773,
title = {Pose-driven Attention-guided Image Generation for Person Re-Identification},
author = {Amena Khatun and Simon Denman and Sridha Sridharan and Clinton Fookes},
journal= {arXiv preprint arXiv:2104.13773},
year = {2021}
}
备注
Submitted to Pattern Recognition