面向行人重识别的统一风格迁移
计算机视觉与模式识别
2020-03-05 v1 机器学习
摘要
风格变化一直是行人重识别（旨在跨不同摄像头匹配同一行人）的主要挑战。现有工作试图通过相机不变描述子子空间学习来解决此问题。然而，当不同摄像头所拍图像之间的差异较大时，会产生更多图像伪影。为解决该问题，我们提出一种 UnityStyle 自适应方法，可平滑同一摄像头内及不同摄像头间的风格差异。具体而言，我们首先创建 UnityGAN 以学习摄像头间的风格变化，为每个摄像头生成形状稳定的风格统一图像，称为 UnityStyle 图像。同时，我们利用 UnityStyle 图像消除不同图像间的风格差异，从而更好地匹配查询集与图库集。然后，我们将所提方法应用于 Re-ID 模型，期望获得更具风格鲁棒性的深度特征用于查询。我们在广泛使用的基准数据集上进行了大量实验以评估所提框架的性能，结果证实了该模型的优越性。
引用
@article{arxiv.2003.02068,
title = {Unity Style Transfer for Person Re-Identification},
author = {Chong Liu and Xiaojun Chang and Yi-Dong Shen},
journal= {arXiv preprint arXiv:2003.02068},
year = {2020}
}