恢复与识别：一种用于跨分辨率行人重识别的生成式对偶模型

行人重识别(re-ID)旨在跨摄像头视角匹配同一身份的行人图像。由于摄像头与感兴趣行人之间的距离各异，可以预期会出现分辨率失配，这将降低真实场景中的行人重识别性能。为克服该问题，我们提出一种新颖的生成对抗网络来解决跨分辨率行人重识别，允许查询图像具有变化的分辨率。通过改进对抗学习技术，我们所提出的模型学习分辨率不变的图像表示，同时能够恢复低分辨率输入图像中缺失的细节。所得特征可联合用于提升行人重识别性能，因为其既保持了分辨率不变性又恢复了面向重识别的判别性细节。我们在五个基准数据集上的实验证实了该方法的有效性及其相对于最先进方法的优越性，尤其是在训练期间输入分辨率未见的情况下。