Oct, 2019

学习分解表示以实现强固的人员再识别

PDF
TL;DR本文提出了一种新的生成对抗网络 (IS-GAN)，可以通过身份标签而不需要其他信息将图像中的身份相关特征和非相关特征进行分离，在 person re-identification 中取得了显著的效果。
person re-identificationidentity-related featuresidentity-unrelated featuresgenerative adversarial networkis-gan
发现论文，激发创造
  • FD-GAN: 姿态引导特征蒸馏 GAN 用于强韧的人员再识别

    本文介绍了一种基于 Feature Distilling GAN 的人物重识别方法，可以学习不受姿态影响的身份相关特征，而不需要额外的姿态信息和计算成本。此方法在三个人物重识别数据集上达到了最好的性能，证明了 FD-GAN 的有效性和稳健性。

    Oct, 2018

  • 从生成的差异性学习不变性 - 非监督式人员再识别

    利用生成对抗网络进行对比学习的非监督式无监督表示学习方法在行人重识别中取得了最新的最优表现。

    Jan, 2023

  • 分离式人物图像生成

    本研究提出了一种基于二阶段重建管道的方法来生成真实但新颖的人物图像，该方法利用解耦表示学习各种图像因素，并同时生成新的人物图像，实验结果表明该方法不仅能够生成具有新前景、背景和姿态的逼真人物图像，还能用于人物再识别任务。

    Dec, 2017

  • 人员重识别的联合判别和生成学习

    本文提出了一个联合学习框架，将 Re-ID 学习和数据生成端到端地耦合在一起，通过生成高质量的跨 ID 组合图像来提高鉴别模块的性能，该框架在多个基准数据集上达到了最先进的性能表现。

    Apr, 2019

  • 通过劣化不变性学习进行现实世界的人员重新识别

    本文提出了一个用于实现真实场景下的人物再识别的降解不变性学习框架，该框架采用了自我监督的分解表示学习策略，能够同时提取身份相关的强健特征，并消除真实世界中存在的降解，同时在低分辨率图像上实现了最先进的识别效果。

    Apr, 2020

  • 联合生成和对比学习用于无监督的人物重新识别

    本文研究基于自监督对比学习的无监督人员再识别问题，提出了一种结合了生成对抗网络和对比学习模块的联合训练框架。该框架中，基于网格投影技术的视角生成器提供了数据增广，而对比学习模块则学习了生成视角不变特征。此外，引入了一种视角不变损失用于原始样本和生成样本之间的对比学习。实验结果表明，该方法在多个大规模数据集上进行了全面的性能测试，均取得了比先前研究更好的效果。

    Dec, 2020

  • 学习不变领域表示以实现可推广的人员复识别

    本文提出一种基于因果分析的结构模型，利用该模型构建了一个新颖的领域不变表示学习框架，包括对身份特征和领域特征空间的分离，以及算法实现和实验验证。结果表明，该框架在大型领域泛化 ReID 基准测试中优于现有方法。

    Mar, 2021

  • 使用 Transformer 隐式学习去噪分离表示，应用于遮挡个体再识别

    通过 DRL-Net 网络的设计，使用 transformer 架构来实现不需要严格的人像对齐或任何额外监督，通过对局部特征的全局推理来完成 occluded re-ID，同时使用对话查询指导 undefined semantic components 的表征分离，并设计 CFL 技术来更好地分离 occlusion 和 discriminative ID 特征，对遮挡现象进行更好的消除。

    Jul, 2021

  • 寻求身份的自监督表征学习用于可普遍适用的人员重新识别

    这篇论文旨在使用大规模视频学习一个领域通用的人物再识别表示，不需要任何标注。通过利用大规模无监督数据进行训练，该论文提出了一种身份寻求自监督表示学习方法，以解决数据和标注的问题。该方法构建了正样本对，通过将实例关联建模为最大权重二分匹配问题。并且还提出了一个可靠性引导的对比损失，以抑制噪声正样本的负面影响，确保可靠的正样本主导学习过程。ISR 在市场 - 1501 和 MSMT17 数据集上达到了 87.0% 和 56.4% 的 Rank-1 指标，在无人标注和微调的情况下分别超过了最佳监督领域通用方法 5.0% 和 19.5%。在预训练 -> 微调方案中，ISR 在 MSMT17 数据集上达到了 88.4% 的 Rank-1 指标。

    Aug, 2023

  • 人员再识别关系网络

    本研究提出了一种新的人物再识别关系网络，考虑了个体身体部位之间以及部位与其他部位之间的相互关系，有效提高了特征辨别能力，同时使用全局对比池化方法获取人物图像的全局特征，该方法已在多个数据集上实证表明其优越性。

    Nov, 2019