人类重识别中真正重要的是什么？基于语义属性重要性的混合专家框架
计算机视觉与模式识别
2025-12-10 v1
摘要
最先进的人类重识别方法虽然取得了令人印象深刻的准确率，但仍然不够透明，留下了一个开放问题：这些模型实际上依赖于哪些高层次语义属性？我们提出了 MoSAIC-ReID，一种混合专家框架，系统性地量化了行人属性对重识别的重要性。我们的方法使用 LoRA 基于专家，每位专家链接到单个属性，并使用一个 oracle 路由器以实现受控的归因分析。虽然 MoSAIC-ReID 在假设测试时间可获得属性注释的情况下，在 Market-1501 和 DukeMTMC 上实现了竞争性能，但其主要价值在于提供了一个大规模、定量的研究，探讨了属性重要性在内在线索和外在线索之间的分布。通过广义线性模型、统计检验和特征重要性分析，我们揭示了哪些属性（如服装颜色和内在特征）贡献最大，而稀有线索（如配件）的影响有限。本工作为可解释的 ReID 提供了一个原则性的框架，并突出了在实际中集成显式语义知识的要求。代码可在 https://github.com/psaltaath/MoSAIC-ReID 获取
引用
@article{arxiv.2512.08697,
title = {What really matters for person re-identification? A Mixture-of-Experts Framework for Semantic Attribute Importance},
author = {Athena Psalta and Vasileios Tsironis and Konstantinos Karantzalos},
journal= {arXiv preprint arXiv:2512.08697},
year = {2025}
}