X-ReID：面向视频可见红外人员识别的多粒度信息交互
计算机视觉与模式识别
2025-11-26 v2
摘要
大规模视觉语言模型（如CLIP）近期在检索任务中取得了显著成绩，但其在视频基于可见红外人员识别（VVI-ReID）中的潜力基本未被探索。主要挑战在于缩小模态间差距并利用视频序列中的时空信息。为此本文提出一种名为X-ReID的新型跨模态特征学习框架，用于VVI-ReID。具体而言，我们首先提出跨模态原型协作（CPC），以对齐整合来自不同模态的特征，引导网络减少模态差异。随后，设计多粒度信息交互（MII），融合相邻帧的短期相互作用、跨帧的长期信息整合及跨模态特征对齐，以增强时序建模并进一步缩小模态间隙。最后，通过整合多粒度信息，实现稳健的序列级表示。广泛的在两大规模VVI-ReID基准（即HITSZ-VCM和BUPTCampus）上的实验表明，我们的方法优于最先进（SOTA）方法。源码已发布于https://github.com/AsuradaYuci/X-ReID。
引用
@article{arxiv.2511.17964,
title = {X-ReID: Multi-granularity Information Interaction for Video-Based Visible-Infrared Person Re-Identification},
author = {Chenyang Yu and Xuehu Liu and Pingping Zhang and Huchuan Lu},
journal= {arXiv preprint arXiv:2511.17964},
year = {2025}
}
备注
Accepted by AAAI2026. More modifications may be performed