論文の概要: Unity Style Transfer for Person Re-Identification
- arxiv url: http://arxiv.org/abs/2003.02068v1
- Date: Wed, 4 Mar 2020 13:22:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 12:31:19.075579
- Title: Unity Style Transfer for Person Re-Identification
- Title(参考訳): 人物再識別のためのユニティスタイル転送
- Authors: Chong Liu and Xiaojun Chang and Yi-Dong Shen
- Abstract要約: スタイルのバリエーションは、異なるカメラで同じ歩行者をマッチングすることを目的として、人物を再識別する上で大きな課題となっている。
我々は,同じカメラ内および異なるカメラ間でのスタイルの相違を円滑にできるUnityStyle適応法を提案する。
提案フレームワークの性能を評価するために,広く利用されているベンチマークデータセットについて広範な実験を行った。
- 参考スコア(独自算出の注目度): 54.473456125525196
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Style variation has been a major challenge for person re-identification,
which aims to match the same pedestrians across different cameras. Existing
works attempted to address this problem with camera-invariant descriptor
subspace learning. However, there will be more image artifacts when the
difference between the images taken by different cameras is larger. To solve
this problem, we propose a UnityStyle adaption method, which can smooth the
style disparities within the same camera and across different cameras.
Specifically, we firstly create UnityGAN to learn the style changes between
cameras, producing shape-stable style-unity images for each camera, which is
called UnityStyle images. Meanwhile, we use UnityStyle images to eliminate
style differences between different images, which makes a better match between
query and gallery. Then, we apply the proposed method to Re-ID models,
expecting to obtain more style-robust depth features for querying. We conduct
extensive experiments on widely used benchmark datasets to evaluate the
performance of the proposed framework, the results of which confirm the
superiority of the proposed model.
- Abstract(参考訳): スタイルの変更は、異なるカメラで同じ歩行者とマッチングすることを目的とした、人物再識別の大きな課題となっている。
既存の研究は、カメラ不変ディスクリプタ部分空間学習でこの問題に対処しようとした。
しかし、異なるカメラで撮影された画像の差が大きくなると、より多くの画像アーティファクトが得られるだろう。
この問題を解決するために,同じカメラ内および異なるカメラ間のスタイルの相違を円滑にできるUnityStyle適応法を提案する。
具体的には、まずUnityGANを作成し、カメラ間のスタイル変化を学習し、各カメラの形状安定なスタイルユニティ画像を生成します。
一方、UnityStyleイメージを使用して、異なるイメージ間のスタイルの違いを排除しています。
次に,提案手法をRe-IDモデルに適用し,クエリのより詳細なスタイルが期待できる。
提案するフレームワークの性能を評価するために,広く利用されているベンチマークデータセットについて広範な実験を行い,その結果,提案モデルの優位性を確認した。
関連論文リスト
- Learning Intra and Inter-Camera Invariance for Isolated Camera
Supervised Person Re-identification [6.477096324232456]
クロスカメラ画像は、単にカメラスタイルで異なるIDとして認識される傾向がある。
本稿では,ISCS設定下での人物のリIDについて検討する。
論文 参考訳(メタデータ) (2023-11-02T11:32:40Z) - Pseudo Labels Refinement with Intra-camera Similarity for Unsupervised
Person Re-identification [8.779246907359706]
監視されていない人物の再識別(Re-ID)は、識別ラベルなしでカメラを介して人物画像を取得することを目的としている。
クラスタリングに基づくほとんどの手法は、画像の特徴を大まかにクラスタに分割し、異なるカメラ間のドメインシフトに起因する特徴分布ノイズを無視する。
本稿では,カメラ内類似点をクラスタリングする新しいラベルリファインメントフレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-25T08:04:12Z) - Generalizable Person Re-Identification via Viewpoint Alignment and
Fusion [74.30861504619851]
本研究は,3次元高密度ポーズ推定モデルとテクスチャマッピングモジュールを用いて,歩行者画像を標準視像にマッピングすることを提案する。
テクスチャマッピングモジュールの不完全性のため、標準ビュー画像は、原画像から識別的な詳細手がかりを失う可能性がある。
提案手法は,各種評価設定における既存手法よりも優れた性能が得られることを示す。
論文 参考訳(メタデータ) (2022-12-05T16:24:09Z) - Domain Enhanced Arbitrary Image Style Transfer via Contrastive Learning [84.8813842101747]
Contrastive Arbitrary Style Transfer (CAST) は、新しいスタイル表現学習法である。
本フレームワークは,スタイルコード符号化のための多層スタイルプロジェクタ,スタイル分布を効果的に学習するためのドメイン拡張モジュール,画像スタイル転送のための生成ネットワークという,3つのキーコンポーネントから構成される。
論文 参考訳(メタデータ) (2022-05-19T13:11:24Z) - Camera-aware Style Separation and Contrastive Learning for Unsupervised
Person Re-identification [16.045209899229548]
教師なしの人物再識別(ReID)は、データアノテーションなしでは難しい課題である。
カメラ対応型分離・コントラスト学習法(CA-UReID)を提案する。
学習可能な機能をカメラ固有の部分とカメラに依存しない部分に明確に分割することで、異なるカメラの影響を低減できる。
論文 参考訳(メタデータ) (2021-12-19T08:53:42Z) - Blind Non-Uniform Motion Deblurring using Atrous Spatial Pyramid
Deformable Convolution and Deblurring-Reblurring Consistency [5.994412766684843]
複数のAtrous Space Pyramid Deformable Convolutionモジュールからなる新しいアーキテクチャを提案する。
複数のASPDCモジュールは、同じ層内で異なるディレーションレートで画素固有の動きを暗黙的に学習し、異なる大きさの動きを処理する。
実験の結果,提案手法はベンチマークデータセット上での最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2021-06-27T23:14:52Z) - Wide-Baseline Multi-Camera Calibration using Person Re-Identification [27.965850489928457]
本稿では,大規模広ベースシナリオのためのカメラネットワークの3次元ポーズ推定の問題に対処する。
現場の人々を「キーポイント」として扱い、異なるカメラビューに関連付けることは、対応を得るための代替方法である。
本手法ではまず,カメラ間で人間境界ボックスを関連付ける再ID法を用い,境界ボックス対応を点対応に変換する。
論文 参考訳(メタデータ) (2021-04-17T15:09:18Z) - Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for
Unsupervised Person Re-Identification [60.36551512902312]
unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。
一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。
本稿では,両問題を解決するための統一フレームワークを提案する。
論文 参考訳(メタデータ) (2021-03-08T09:13:06Z) - Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。
各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。
カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
論文 参考訳(メタデータ) (2020-12-19T12:37:04Z) - Apparel-invariant Feature Learning for Apparel-changed Person
Re-identification [70.16040194572406]
ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。
ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。
着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
論文 参考訳(メタデータ) (2020-08-14T03:49:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。