合成到真实视频行人重识别
计算机视觉与模式识别
2025-02-05 v3
摘要
行人重识别（Re-ID）是一项重要任务，在公共安全和信息取证领域具有显著应用，并随着深度学习的发展取得了快速进展。在本工作中，我们研究了一种新颖且具有挑战性的 Re-ID 设定，即跨域视频行人 Re-ID。具体而言，我们利用合成视频数据集作为源域进行训练，并使用真实世界视频进行测试，显著降低了对昂贵的真实数据采集和标注的依赖。为了挖掘合成数据的潜力，我们首先提出了一种针对静态和动态（时序）特征的自监督域不变特征学习策略。此外，为了提高目标域中的行人识别准确率，我们提出了一种结合自监督 ID 一致性损失的均值教师（mean-teacher）方案。在五个真实数据集上的实验结果验证了跨合成 - 真实域自适应的合理性，并证明了我们方法的有效性。值得注意的是，发现在跨域场景中合成数据优于真实数据是一个令人惊讶的结果。代码和数据已在 https://github.com/XiangqunZhang/UDA_Video_ReID 公开。
引用
@article{arxiv.2402.02108,
title = {Synthetic-To-Real Video Person Re-ID},
author = {Xiangqun Zhang and Wei Feng and Ruize Han and Likai Wang and Linqi Song and Junhui Hou},
journal= {arXiv preprint arXiv:2402.02108},
year = {2025}
}