SAS-VPReID：一种面向极远距离视频行人重识别的尺度自适应形状先验框架
计算机视觉与模式识别
2026-01-12 v1
摘要
基于视频的行人重识别（VPReID）旨在从非重叠摄像头拍摄的视频中检索出同一行人。在极远距离下，由于严重的分辨率退化、剧烈的视角变化和不可避免的外观噪声，VPReID极具挑战性。为了解决这些问题，我们提出了一种面向VPReID的尺度自适应形状先验框架，命名为SAS-VPReID。该框架建立在三个互补模块之上。首先，我们部署了一个记忆增强视觉骨干网络（MEVB）来提取判别性特征表示，该网络利用了CLIP视觉编码器和多代理记忆。其次，我们提出了一个多粒度时序建模模块（MGTM），用于构建多个时间粒度的序列，并自适应地强调跨尺度的运动线索。第三，我们融入了先验正则化的形状动态模块（PRSD）来捕捉身体结构动态。通过这些模块，我们的框架能够获得更具判别性的特征表示。在VReID-XFD基准数据集上的实验证明了每个模块的有效性，并且我们的最终框架在VReID-XFD挑战赛排行榜上排名第一。源代码可在https://github.com/YangQiWei3/SAS-VPReID获取。
引用
@article{arxiv.2601.05535,
title = {SAS-VPReID: A Scale-Adaptive Framework with Shape Priors for Video-based Person Re-Identification at Extreme Far Distances},
author = {Qiwei Yang and Pingping Zhang and Yuhao Wang and Zijing Gong},
journal= {arXiv preprint arXiv:2601.05535},
year = {2026}
}
备注
Accepted by WACV2026 VReID-XFD Workshop. Our final framework ranks the first on the VReID-XFD challenge leaderboard