以分辨率为方向：面向跨分辨率再识别的矢量平移特征对齐
计算机视觉与模式识别
2026-05-29 v2
摘要
跨分辨率行人再识别（CR-ReID）在实际监控中仍具挑战性，其中相机质量和拍摄距离导致低分辨率（LR）查询图像与高分辨率（HR）库图像之间存在巨大的分辨率差距。先前的方法通常依赖超分辨率（SR）或分辨率不变表示学习，这往往会增加系统复杂性，且可能无法直接解决由分辨率退化引起的特征失配。在这项工作中，我们报告了一项来自专门分析的新经验发现，在该分析中特定于身份的变化被平均消除：标准 ReID 主干网络产生的 HR--LR 特征差异在嵌入空间中表现出一致的、与分辨率相关的语义方向。我们进一步使用基于典型相关分析（CCA）和 Pearson 相关性分析的统计分析支持了这一观察。受此发现启发，我们提出了矢量平移特征对齐（VPFA），这是一个轻量级的事后处理模块，学习将 LR 特征沿着所学到的分辨率方向进行平移，以获得伪 HR 表示。VPFA 在特征提取后运行，可以以可忽略的开销集成到现有 ReID 系统中。在多个 CR-ReID 基准上的大量实验表明，与基于 SR 或联合训练的替代方案相比，VPFA 实现了 SOTA 性能，同时提高了效率。
引用
@article{arxiv.2510.00936,
title = {Resolution as a Direction: Vector-Panning Feature Alignment for Cross-Resolution Re-Identification},
author = {Zanwu Liu and Chao Yuan and Bo Li and Xiaowei Zhang and Guanglin Niu},
journal= {arXiv preprint arXiv:2510.00936},
year = {2026}
}