用于在线人员重识别的源引导相似性保持
计算机视觉与模式识别
2024-02-26 v1
摘要
用于人员重识别 (Re-ID) 的在线无监督域适应 (OUDA) 任务，是将训练于标注良好的源域数据集上的模型持续适应到作为数据流观测的目标域。在 OUDA 中，人员 Re-ID 模型面临两个主要挑战：灾难性遗忘和域偏移。本文提出了一种新的源引导相似性保持 (S2P) 框架以缓解这两个问题。我们的框架基于提取一个由源图像组成的支持集，该支持集最大化与目标数据的相似性。该支持集用于识别在学习过程中必须保持的特征相似性。S2P 可整合多种现有的无监督域适应 (UDA) 方法以减轻灾难性遗忘。实验表明，S2P 在多个具有挑战性的真实到真实及合成到真实的 OUDA 基准测试中优于之前的最先进方法。
引用
@article{arxiv.2402.15206,
title = {Source-Guided Similarity Preservation for Online Person Re-Identification},
author = {Hamza Rami and Jhony H. Giraldo and Nicolas Winckler and Stéphane Lathuilière},
journal= {arXiv preprint arXiv:2402.15206},
year = {2024}
}
备注
WACV 2024