Jun, 2024

基于 CLIP 的服装无关特征学习与人物换衣再识别

PDF
TL;DR提出了一种名为 CLIP-Driven Cloth-Agnostic Feature Learning (CCAF) 的新颖框架，用于解决 Cloth-Changing Person Re-Identification (CC-ReID) 中 Contrastive Language-Image Pre-Training (CLIP) 过度关注衣物线索的问题，在多个流行的 CC-ReID 基准测试上取得了新的最先进性能，而无需额外的推理时间。
contrastive language-image pre-trainingperson re-identificationcloth-changing person re-identificationcloth-agnostic feature learningclip
发现论文，激发创造
  • 通过因果干预实现服装不变特征学习，用于服装更换的人物重识别

    本文提出了一种基于因果干预建模的 Causal Clothes-Invariant Learning (CCIL) 方法，可以实现穿衣不变的特征学习。在三个 CC-ReID 基准测试上进行了广泛的实验，证明了该方法的有效性，取得了新的最先进技术水平。

    May, 2023

  • 基于 CLIP 的细粒度文本图像人员再识别

    提出了一种基于 CLIP 驱动的细粒度信息挖掘框架 (CFine)，旨在为 TIReID 提供强大的多模态知识，通过细粒度信息挖掘，建立跨模态对齐，并在多个基准测试上显示了其优越的性能。

    Oct, 2022

  • TF-CLIP: 学习无须文本的 CLIP 用于基于视频的人物重新识别

    提出了一种基于 CLIP 的无文本学习框架，用于基于视频的人员重新识别，通过提取身份特定的序列特征作为 CLIP-Memory，并使用 SSP 模块在线更新 CLIP-Memory，进一步通过 TMD 模块捕获时间信息，取得了比其他最先进方法更好的结果。

    Dec, 2023

  • 面向衣物更换的人物重新识别的身份感知双约束网络

    为了解决现有 CC-ReID 数据集中缺乏足够训练样本的问题，本研究提出了一种 Identity-aware Dual-constraint Network (IDNet)。通过引入 Clothes Diversity Augmentation (CDA)、Multi-scale Constraint Block (MCB)、Counterfactual-guided Attention Module (CAM) 和 Semantic Alignment Constraint (SAC) 等模块，该方法能够在更真实的监控场景中准确识别目标人员，并在实验中表现出超越现有方法的性能。

    Mar, 2024

  • 基于身份引导的协作学习用于服装变换人员再识别

    本文提出了一种新的方案 —— 身份引导的协作学习方案（IGCL），通过人类的语义完全利用和身份不可变性来引导协作学习，以解决服装人物重新识别中的挑战。IGCL 实验结果表明其优于当前最先进的方法，提取的特征更加稳健，具有较强的区分性和服装无关性。

    Apr, 2023

  • MaskCL: 基于语义掩码的对比学习，用于衣服更换的无监督个体重新识别

    本文提出了一种语义掩膜驱动的对比学习方法，通过学习层次语义邻域结构中的 RGB 和语义特征，学习跨服装不变性，实现了长期无监督人员再识别。实验表明，与无监督 re-id 竞争对手相比，我们的方法具有更好的性能，并且与监督基线只有很小的差距。

    May, 2023

  • 面向换衣人物重识别的语义一致性网络

    通过使用语义一致性网络（SCNet）以及一系列有效的一致性约束条件，我们的研究旨在解决服装改变可能发生的情况下，跨多个监控摄像头检索目标人员的困难任务。结果表明，SCNet 模型在几个衣服变换人物重识别数据集上取得了显著进展，并且无需使用额外的辅助分割模块。

    Aug, 2023

  • 基于典型对比学习的 CLIP 微调方法用于物体重新识别

    這項研究旨在將大規模預先訓練的視覺語言模型，如對比語言 - 圖像預訓練（CLIP），適應各種監督設置下物體再識別（Re-ID）的表現提升。在本研究中，我們首先分析了 CLIP-ReID 中 prompt learning 的作用並確認了其限制。基於我們的調查，我們提出了一種簡單而有效的方法，通過使用原型對比學習（PCL）損失直接微調 CLIP 的圖像編碼器，從而消除了 prompt learning 的需要。在人物和車輛 Re-ID 數據集上的實驗結果證明了我們的方法與 CLIP-ReID 的競爭力。此外，我們將基於 PCL 的 CLIP 微調方法擴展到無監督場景，達到了最新的表現。

    Oct, 2023

  • 使用步态预测和规则化从单个图像中进行衣物变化人员重新识别

    本文提出一种名为 GI-ReID 的框架，利用人体独特的不依赖于衣服的步态信息作为辅助任务，从单张图像识别行人并实现实时监控，并在衣服变化的 ReID 标准测试集上得到了显著的性能提升。

    Mar, 2021

  • 被遮挡的换装人员再识别

    通过在人物换装场景中使用与服装无关的特征来检索和识别特定行人的换装人物重识别目标中，该论文定义了遮挡换装人物重识别作为一个新的任务，并构建了两个用于不同遮挡情境的遮挡换装人物重识别数据集。

    Mar, 2024