SapiensID：面向人类识别的通用基石模型
计算机视觉与模式识别
2025-04-08 v1
摘要
现有的 human recognition 系统常依赖面孔与身体分析的独立专业模型，在姿态、可见性和情境多变的实际场景中效果受限。本文引入 SapiensID，一个统一模型，旨在弥合这一差距，实现跨多场景的稳健性能。SapiensID 引入 (i) Retina Patch (RP)，一种动态 patch 生成方案，适应主体尺度，确保兴趣区域的一致化 tokenization；(ii) 掩码识别模型 (masked recognition model, MRM)，学习可变 token 长度；(iii) 语义注意力头 (Semantic Attention Head, SAH)，一种通过对关键身体部位特征池化来学习姿态不变表征的模块。为促进训练，我们引入 WebBody4M，一个大规模数据集，捕捉多样姿态和尺度变化。广泛实验表明，SapiensID 在各种 body ReID 数据集上实现最新成果，在短期和长期场景中均超越专用模型，同时在专注面部识别系统方面表现竞争。此外，SapiensID 为新近提出的 Cross Pose-Scale ReID 挑战树立了强大基线，展示了其在复杂实际场景中的泛化能力。
引用
@article{arxiv.2504.04708,
title = {SapiensID: Foundation for Human Recognition},
author = {Minchul Kim and Dingqiang Ye and Yiyang Su and Feng Liu and Xiaoming Liu},
journal= {arXiv preprint arXiv:2504.04708},
year = {2025}
}
备注
To appear in CVPR2025