Sep, 2023

PSDiff：一种基于迭代和协作优化的人物搜索扩散模型

PDF
TL;DR基于扩散模型的 PSDiff 的人物搜索框架能够通过协同去噪的方式优化检测和重新识别子任务，取得了超越现有方法的最先进性能。
person searchdiffusion modelpsdiffcollaborative denoising layerre-identification
发现论文，激发创造
  • 使用扩散模型合成高效的数据进行个体重新识别预训练

    提出了一种新的 Diffusion-ReID 范例，通过生成和过滤阶段来有效增强和生成不同的图像，首先创造了一个新的大规模人员重识别数据集 Diff-Person，接着构建了一个基于 Diff-Person 预训练的更强大的人员重识别模型，与其他预训练和自监督竞争者相比，展现了显著的优势。

    Jun, 2024

  • 基于去噪扩散模型的人物图像合成

    使用去噪扩散模型，我们提出了一种名为 PIDM 的人体图像扩散模型，解决了复杂的转换问题，并展示了在两个大型基准测试中的显着结果，以及如何在下游任务中使用生成的图像。

    Nov, 2022

  • 领域自适应人员搜索

    本文提出了一种基于领域自适应的人员搜索模型 (DAPS)，该模型通过设计一种新的领域自适应模块，最小化领域偏差，并结合伪边界框及动态聚类策略，帮助模型在未标记目标域中训练人员检索任务，实现了相对于现有方法更高的性能。

    Jul, 2022

  • 全面解耦的端到端人员搜索

    提出了一种全面解耦的网络模型，用于实现端到端的人员搜索，并在检测和重新识别子任务上进行任务增量训练，从而实现了独立学习和最优化的人员搜索效果。

    Sep, 2023

  • 基于 Re-ID 的行人搜索定位细化技术

    本研究提出了一种基于 re-ID 驱动的定位精化框架，通过可微的 ROI 转换层有效地转换原始图像中的边界框，实现对检测框的监督，从而提高行人搜索的效果。实验结果显示，该方法在常用的基准测试中对比现有方法表现明显更好。

    Sep, 2019

  • 端到端人员搜索的多样化知识蒸馏

    本文旨在解决人物搜索中两步法和端到端方法的准确度和效率之间的矛盾。作者提出了一个简单但强大的端到端网络及深度知识蒸馏方法，辅以空间不变数据增强技术，达到了与最先进的两步法相当的准确率并保持了单个联合模型的高效性。

    Dec, 2020

  • DDAM-PS：勤勉的领域自适应混合器用于人员搜索

    提出了一个名为 DDAM-PS 的勤奋领域自适应混合模式的 Person Search 框架，旨在通过结合源领域和目标领域表示来改善知识转移，具有良好的性能和可扩展性。

    Oct, 2023

  • 基于深度约束支配集的人员再识别

    本文提出基于约束聚类算法的深度两级分层聚类算法，通过将探测图像作为约束，实现对行人重识别的精确聚类和表征，实验表明该算法优于现有算法。

    Apr, 2019

  • 高保真人物中心的主体到图像合成

    人物为中心的图像生成方法由于对常规预训练扩散进行微调导致训练不平衡，同时学习场景和人物生成会降低质量。本文提出了 Face-diffuser，一个协作生成管道，通过专门的预训练扩散模型和新颖的机制 (SNF) 消除训练不平衡并提高生成质量。

    Nov, 2023

  • 基于掩码引导的双流 CNN 模型的人体搜索

    本文提出了一种基于前景分割的人物搜索方法，将对象检测和人物重识别模型分离，使用两个不同的 CNN 来分别提取主体和原始图像的特征，并在 CUHK-SYSU 和 PRW 两个公认的基准测试中实现了比现有方法高 5pp 以上的 mAP 值，效果显著。

    Jul, 2018