面向可见光-红外行人重识别的形状擦除特征学习
计算机视觉与模式识别
2023-04-11 v1
摘要
由于可见光与红外图像之间存在模态差异且视觉模糊度高，为可见光-红外行人重识别（VI-ReID）学习多样的模态共享语义概念仍是一个具有挑战性的问题。身体形状是 VI-ReID 重要的模态共享线索之一。为挖掘更多多样的模态共享线索，我们期望在所学特征中擦除与身体形状相关的语义概念，从而迫使重识别模型提取更多其他的模态共享特征用于识别。为此，我们提出形状擦除特征学习范式，在两个正交子空间中对模态共享特征去相关。在一个子空间中联合学习形状相关特征、在其正交补空间中学习形状擦除特征，实现了形状擦除特征与身份之间在丢弃身体形状信息条件下的条件互信息最大化，从而显式地增强了所学表示的多样性。在 SYSU-MM01、RegDB 和 HITSZ-VCM 数据集上的大量实验证明了我们方法的有效性。
引用
@article{arxiv.2304.04205,
title = {Shape-Erased Feature Learning for Visible-Infrared Person Re-Identification},
author = {Jiawei Feng and Ancong Wu and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:2304.04205},
year = {2023}
}
备注
CVPR 2023