释放预训练扩散模型在通用人体重识别中的潜能

Jiachen Li; Xiaojin Gong

doi:10.3390/s25020552

释放预训练扩散模型在通用人体重识别中的潜能

计算机视觉与模式识别 2025-10-20 v3

作者: Jiachen Li , Xiaojin Gong

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

域通用重识别 (DG Re-ID) 旨在在一个或多个源域上训练模型，并在未见目标域上评估其性能，这一任务因其实际相关性而受到日益关注。虽然已提出许多方法，但大多数依赖于判别或对比学习框架来学习通用特征表示。然而，这些方法常常无法缓解捷径学习，导致性能次优。本文提出一种名为扩散模型辅助表示学习，结合相关性感知调制方案 (DCAC) 的新方法，以增强 DG Re-ID。该方法通过相关性感知调制方案将判别和对比 Re-ID 模型与预训练扩散模型集成。通过将 Re-ID 模型生成的 ID 分类概率与一组可学习的 ID 相关提示相结合，调制方案注入捕获 ID 相关性的暗知识，以指导扩散过程。同时，扩散模型的反馈通过调制方案反向传播到 Re-ID 模型，从而有效提升 Re-ID 特征的泛化能力。大量实验表明，在单源和多源 DG Re-ID 任务上，我们的方法实现了最先进的性能。综合的消融研究进一步验证了所提方法的有效性，为其鲁棒性提供了洞见。代码将在 https://github.com/RikoLi/DCAC 上提供。

关键词

人体重识别扩散模型域通用性 DCAC 对比学习基础模型

引用

@article{arxiv.2502.06619,
  title  = {Unleashing the Potential of Pre-Trained Diffusion Models for Generalizable Person Re-Identification},
  author = {Jiachen Li and Xiaojin Gong},
  journal= {arXiv preprint arXiv:2502.06619},
  year   = {2025}
}

释放预训练扩散模型在通用人体重识别中的潜能

摘要

关键词

引用

相关论文