基于文本的空中-地面人员检索
计算机视觉与模式识别
2025-11-12 v1 人工智能
摘要
本工作引入了基于文本的空中-地面人员检索（TAG-PR）任务，即通过文本描述检索异构空中和地面视角下的人员图像。不同于传统的基于文本的人员检索（T-PR）仅关注地面视角图像，TAG-PR 具有更大的实际意义，并因图像间视角差异大而呈现独特挑战。为支持该任务，我们贡献了：（1）TAG-PEDES 数据集，基于公共基准构建，采用自动生成的文本描述，并通过多样化文本生成范式增强，以应对视角异构性；（2）TAG-CLIP novel retrieval 框架，通过层次化专家混合模块学习视角特定和视角无关特征，以及视角解耦策略，以实现跨模态对齐。我们在所提数据集和现有 T-PR 数据集上评估了 TAG-CLIP 的有效性。数据集和代码已公开于 https://github.com/Flame-Chasers/TAG-PR。
引用
@article{arxiv.2511.08369,
title = {Text-based Aerial-Ground Person Retrieval},
author = {Xinyu Zhou and Yu Wu and Jiayao Ma and Wenhao Wang and Min Cao and Mang Ye},
journal= {arXiv preprint arXiv:2511.08369},
year = {2025}
}