論文の概要: Real-world Person Re-Identification via Degradation Invariance Learning
- arxiv url: http://arxiv.org/abs/2004.04933v1
- Date: Fri, 10 Apr 2020 07:58:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 21:02:00.094635
- Title: Real-world Person Re-Identification via Degradation Invariance Learning
- Title(参考訳): 劣化不変学習による実世界人物再同定
- Authors: Yukun Huang, Zheng-Jun Zha, Xueyang Fu, Richang Hong, Liang Li
- Abstract要約: 現実のシナリオにおける人物再識別(Re-ID)は通常、低解像度、弱い照明、ぼやけ、悪天候などの様々な劣化要因に悩まされる。
本稿では,現実世界のRe-IDを対象とした劣化不変学習フレームワークを提案する。
自己教師付き不整合表現学習戦略を導入することにより,個人性に関連する頑健な特徴を同時に抽出することができる。
- 参考スコア(独自算出の注目度): 111.86722193694462
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Person re-identification (Re-ID) in real-world scenarios usually suffers from
various degradation factors, e.g., low-resolution, weak illumination, blurring
and adverse weather. On the one hand, these degradations lead to severe
discriminative information loss, which significantly obstructs identity
representation learning; on the other hand, the feature mismatch problem caused
by low-level visual variations greatly reduces retrieval performance. An
intuitive solution to this problem is to utilize low-level image restoration
methods to improve the image quality. However, existing restoration methods
cannot directly serve to real-world Re-ID due to various limitations, e.g., the
requirements of reference samples, domain gap between synthesis and reality,
and incompatibility between low-level and high-level methods. In this paper, to
solve the above problem, we propose a degradation invariance learning framework
for real-world person Re-ID. By introducing a self-supervised disentangled
representation learning strategy, our method is able to simultaneously extract
identity-related robust features and remove real-world degradations without
extra supervision. We use low-resolution images as the main demonstration, and
experiments show that our approach is able to achieve state-of-the-art
performance on several Re-ID benchmarks. In addition, our framework can be
easily extended to other real-world degradation factors, such as weak
illumination, with only a few modifications.
- Abstract(参考訳): 現実のシナリオにおける人物再識別(Re-ID)は通常、低解像度、弱い照明、ぼやけ、悪天候などの様々な劣化要因に悩まされる。
一方,これらの劣化は,識別的情報喪失を招き,同一性表現学習を著しく阻害する。一方,低レベルの視覚変動に起因する特徴ミスマッチ問題は検索性能を著しく低下させる。
この問題に対する直感的な解決策は、低レベルの画像復元手法を用いて画質を改善することである。
しかし、既存の修復方法は、参照サンプルの要求、合成と現実のドメインギャップ、低レベルと高レベルのメソッド間の非互換性など、様々な制限により、現実世界のRe-IDに直接役立てることはできない。
本稿では,この問題を解決するために,現実のRe-IDを対象とした劣化不変学習フレームワークを提案する。
自己教師付きディスタングル表現学習戦略を導入することで,同一性に関連したロバストな特徴を同時に抽出し,余分な監督なしに実世界の劣化を取り除くことができる。
低解像度画像をメインのデモとして使用し,いくつかのre-idベンチマークで最先端のパフォーマンスを実現するための実験を行った。
さらに、我々のフレームワークは弱照明などの他の現実世界の劣化要因にも容易に拡張でき、わずかな修正しか行えない。
関連論文リスト
- Uni-Removal: A Semi-Supervised Framework for Simultaneously Addressing
Multiple Degradations in Real-World Images [6.3351090376024155]
Uni-Removalは、現実世界の画像における複数の劣化を取り除くための2段階の半教師付きフレームワークである。
知識伝達の段階では、Uni-Removalは教師付きマルチ教師と学生アーキテクチャを利用する。
ドメイン適応段階では、現実世界の画像に敵判別器を組み込むことにより、教師なしの微調整を行う。
論文 参考訳(メタデータ) (2023-07-11T07:18:15Z) - Learning from Multi-Perception Features for Real-Word Image
Super-resolution [87.71135803794519]
入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。
本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。
また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
論文 参考訳(メタデータ) (2023-05-26T07:35:49Z) - DaliID: Distortion-Adaptive Learned Invariance for Identification Models [9.502663556403622]
本稿では,同定のための歪み適応型学習不変性(DaliID)モデルを提案する。
DaliIDモデルは、7つのベンチマークデータセット上で、顔認識と人物の再識別の両方のために、最先端(SOTA)を実現する。
論文 参考訳(メタデータ) (2023-02-11T18:19:41Z) - Blind Super-Resolution for Remote Sensing Images via Conditional
Stochastic Normalizing Flows [14.882417028542855]
本稿では、上記の問題に対処するために、正規化フロー(BlindSRSNF)に基づく新しいブラインドSRフレームワークを提案する。
BlindSRSNFは、低解像度(LR)画像が与えられた高解像度画像空間上の条件確率分布を、確率の変動境界を明示的に最適化することによって学習する。
提案アルゴリズムは,シミュレーションLRと実世界RSIの両方において,視覚的品質の優れたSR結果が得られることを示す。
論文 参考訳(メタデータ) (2022-10-14T12:37:32Z) - Learning Degradation Representations for Image Deblurring [37.80709422920307]
ぼやけた画像の空間適応的劣化表現を学習するための枠組みを提案する。
劣化表現の表現性を改善するために、新しい共同画像再生・復調学習プロセスを提案する。
GoProとRealBlurのデータセットの実験では、学習した劣化表現を用いたデブロアリングフレームワークが最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2022-08-10T09:53:16Z) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳(メタデータ) (2022-08-05T09:36:13Z) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳(メタデータ) (2022-06-07T14:55:32Z) - LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。
視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。
本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
論文 参考訳(メタデータ) (2021-12-04T16:42:13Z) - Unsupervised Degradation Representation Learning for Blind
Super-Resolution [27.788488575616032]
CNNベースのスーパーリゾリューション(SR)手法は、実際の劣化が仮定と異なる場合に深刻なパフォーマンス低下を被る。
明示的な劣化推定を伴わない盲点SRのための教師なし劣化表現学習手法を提案する。
我々のネットワークは、ブラインドSRタスクの最先端性能を達成する。
論文 参考訳(メタデータ) (2021-04-01T11:57:42Z) - Cross-Resolution Adversarial Dual Network for Person Re-Identification
and Beyond [59.149653740463435]
人物再識別(re-ID)は、同一人物の画像をカメラビューでマッチングすることを目的としている。
カメラと関心のある人の距離が異なるため、解像度ミスマッチが期待できる。
本稿では,クロスレゾリューションな人物のリIDに対処する新たな生成的対向ネットワークを提案する。
論文 参考訳(メタデータ) (2020-02-19T07:21:38Z)
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。