SiCL：用于换装无监督行人重识别的轮廓驱动对比学习
计算机视觉与模式识别
2024-04-09 v2
摘要
本文中，我们解决一项极具挑战性但关键的任务：换装无监督长期行人重识别。现有的无监督行人重识别方法主要针对短期场景设计，通常依赖 RGB 线索，因而无法感知独立于衣物之外的特征模式。为突破这一瓶颈，我们提出一种轮廓驱动对比学习（SiCL）方法，旨在通过在一个对比学习框架中融合 RGB 线索与轮廓信息来学习跨衣物的不变性。据我们所知，这是首个专为无监督长期换装重识别定制的框架，在六个基准数据集上均表现出优越性能。我们开展了大量实验，在所有代表性数据集上将所提 SiCL 与最先进的无监督行人重识别方法进行比较。实验结果表明，我们的 SiCL 显著优于其他无监督重识别方法。
引用
@article{arxiv.2305.13600,
title = {SiCL: Silhouette-Driven Contrastive Learning for Unsupervised Person Re-Identification with Clothes Change},
author = {Mingkun Li and Peng Xu and Chun-Guang Li and Jun Guo},
journal= {arXiv preprint arXiv:2305.13600},
year = {2024}
}