面向行人重识别的位姿归一化图像生成
计算机视觉与模式识别
2018-04-26 v6 人工智能
多媒体
机器学习
摘要
行人重识别(re-id)面临两大挑战:缺乏跨视角配对训练数据,以及在存在大幅位姿变化的情况下学习具有判别性、对身份敏感且视角不变的特征。在这项工作中,我们通过提出一种新颖的深度行人图像生成模型来解决这两个问题,该模型以位姿为条件合成逼真的行人图像。该模型基于专为重识别中位姿归一化设计的生成对抗网络(GAN),因此称为位姿归一化 GAN(PN-GAN)。利用合成图像,我们可以学习一种不受位姿变化影响的新类型深度重识别特征。我们表明,该特征本身即具有很强的判别力,并且与利用原始图像学习的特征互补。重要的是,在迁移学习设定下,我们表明我们的模型能很好地泛化到任何新的重识别数据集,而无需收集任何训练数据来进行模型微调。因此,该模型有潜力使重识别模型真正可扩展。
引用
@article{arxiv.1712.02225,
title = {Pose-Normalized Image Generation for Person Re-identification},
author = {Xuelin Qian and Yanwei Fu and Tao Xiang and Wenxuan Wang and Jie Qiu and Yang Wu and Yu-Gang Jiang and Xiangyang Xue},
journal= {arXiv preprint arXiv:1712.02225},
year = {2018}
}
备注
10 pages, 5 figures