TAL: 用于可泛化行人重识别的双流自适应学习
计算机视觉与模式识别
2025-06-17 v1
摘要
域可泛化行人重识别旨在将训练好的模型应用于未见域。先前的工作要么合并所有训练域中的数据以捕捉域不变特征,要么采用专家混合来探究域特定信息。在本文中,我们认为域特定与域不变特征对于提升重识别模型的泛化能力都至关重要。为此,我们设计了一个新颖的框架,命名为双流自适应学习(TAL),以同时建模这两类信息。具体而言,提出一个域特定流,通过批归一化(BN)参数捕捉训练域统计,同时设计一个自适应匹配层来动态聚合域级信息。与此同时,我们在域不变流中设计了一个自适应 BN 层,以逼近各种未见域的统计。这两个流自适应且协作地工作以学习可泛化的重识别特征。我们的框架可应用于单源与多源域泛化任务,实验结果表明我们的框架显著优于最先进的方法。
引用
@article{arxiv.2111.14290,
title = {TAL: Two-stream Adaptive Learning for Generalizable Person Re-identification},
author = {Yichao Yan and Junjie Li and Shengcai Liao and Jie Qin and Bingbing Ni and Xiaokang Yang},
journal= {arXiv preprint arXiv:2111.14290},
year = {2025}
}