VReID-XFD：极端远距离视频基于人的人体重识别挑战结果
计算机视觉与模式识别
2026-01-06 v1
摘要
在极端远距离下进行空中与地面视角的人体重识别引入了一个独特的运行 regime，其中严重的分辨率退化、极端视角变化、不可靠的运动线索以及服装变化共同削弱了现有重识别系统基于外观的假设。为研究此 regime，本文引入 VReID-XFD，一个用于极端远距离（XFD）空中至地面人体重识别的视频基准数据集及社区挑战。VReID-XFD 基于 DetReIDX 数据集构建，包含 371 个身份、11,288 个轨迹框及 1175 万帧，覆盖高度从 5.8 米到 120 米、视角从斜侧（30 度）到俯视（90 度），水平距离最高达 120 米。该基准支持空中至空中、空中至地面及地面至空中评估，采用严格的身份不相交分割，并提供丰富的物理元数据。VReID-XFD-25 挑战吸引了 10 支团队提交了大量作品。系统分析揭示了随高度和距离单调的性能退化、俯视视角的普遍劣势，以及峰值性能与鲁棒性之间的权衡。即使是最佳-performing SAS-PReID 方法在空中至地面设置下也仅达到 43.93% 的 mAP。该数据集、标注及官方评估协议已公开于 https://www.it.ubi.pt/DetReIDX/。
引用
@article{arxiv.2601.01312,
title = {VReID-XFD: Video-based Person Re-identification at Extreme Far Distance Challenge Results},
author = {Kailash A. Hambarde and Hugo Proença and Md Rashidunnabi and Pranita Samale and Qiwei Yang and Pingping Zhang and Zijing Gong and Yuhao Wang and Xi Zhang and Ruoshui Qu and Qiaoyun He and Yuhang Zhang and Thi Ngoc Ha Nguyen and Tien-Dung Mai and Cheng-Jun Kang and Yu-Fan Lin and Jin-Hui Jiang and Chih-Chung Hsu and Tamás Endrei and György Cserey and Ashwat Rajbhandari},
journal= {arXiv preprint arXiv:2601.01312},
year = {2026}
}