論文の概要: Style Normalization and Restitution for Generalizable Person Re-identification

• arxiv url: http://arxiv.org/abs/2005.11037v1
• Date: Fri, 22 May 2020 07:15:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 09:25:39.032620
• Title: Style Normalization and Restitution for Generalizable Person Re-identification
• Title（参考訳）: 一般化された人物再同定のためのスタイル正規化と復元
• Authors: Xin Jin, Cuiling Lan, Wenjun Zeng, Zhibo Chen, Li Zhang
• Abstract要約: 我々は、ソースドメイン上でモデルをトレーニングするが、ターゲットドメイン上での一般化や性能をよく行うことのできる、一般化可能な人物ReIDフレームワークを設計する。 本稿では,シンプルで効果的なスタイル正規化・再構成(SNR)モジュールを提案する。 SNRモジュールによって強化された我々のモデルは、複数の広く使われているReIDベンチマークにおいて最先端のドメイン一般化アプローチよりも大幅に優れている。
• 参考スコア（独自算出の注目度）: 89.482638433932
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing fully-supervised person re-identification (ReID) methods usually suffer from poor generalization capability caused by domain gaps. The key to solving this problem lies in filtering out identity-irrelevant interference and learning domain-invariant person representations. In this paper, we aim to design a generalizable person ReID framework which trains a model on source domains yet is able to generalize/perform well on target domains. To achieve this goal, we propose a simple yet effective Style Normalization and Restitution (SNR) module. Specifically, we filter out style variations (e.g., illumination, color contrast) by Instance Normalization (IN). However, such a process inevitably removes discriminative information. We propose to distill identity-relevant feature from the removed information and restitute it to the network to ensure high discrimination. For better disentanglement, we enforce a dual causal loss constraint in SNR to encourage the separation of identity-relevant features and identity-irrelevant features. Extensive experiments demonstrate the strong generalization capability of our framework. Our models empowered by the SNR modules significantly outperform the state-of-the-art domain generalization approaches on multiple widely-used person ReID benchmarks, and also show superiority on unsupervised domain adaptation.
• Abstract（参考訳）: 既存の完全教師付き人物再識別(reid)メソッドは通常、ドメイン間隙による一般化能力の低下に苦しむ。 この問題を解決する鍵は、アイデンティティ非関係な干渉をフィルタリングし、ドメイン不変な人物表現を学ぶことである。 本稿では、ソースドメイン上でモデルを訓練するが、ターゲットドメイン上での一般化や性能を十分に発揮できる汎用人ReIDフレームワークを設計することを目的とする。 この目的を達成するために、我々はシンプルだが効果的なスタイル正規化・再構成(SNR)モジュールを提案する。 具体的には、インスタンス正規化(IN)によりスタイルのバリエーション(例えば、照明、色コントラスト)をフィルタリングする。 しかし、そのようなプロセスは必然的に差別的な情報を取り除く。 削除された情報からアイデンティティ関連特徴を抽出し,ネットワークに再配置し,高い差別性を確保することを提案する。 そこで我々は,snrの2つの因果損失制約を適用し,同一性関連特徴と同一性非関連特徴の分離を促進する。 広範な実験が我々のフレームワークの強力な一般化能力を示している。 SNRモジュールによって強化された我々のモデルは、複数の広く使われているReIDベンチマークにおいて最先端のドメイン一般化アプローチを著しく上回り、教師なしドメイン適応において優位性を示す。

関連論文リスト

• Part-Aware Transformer for Generalizable Person Re-identification [138.99827526048205]
  ドメイン一般化者再識別(DG-ReID)は、ソースドメインのモデルをトレーニングし、目に見えないドメインでうまく一般化することを目的としている。 我々は、CSL(Cross-ID similarity Learning)と呼ばれるプロキシタスクを設計し、DG-ReIDのための純粋なトランスモデル(Part-aware Transformer)を提案する。 このプロキシタスクは、IDラベルに関わらず、部品の視覚的類似性のみを気にするので、モデルが一般的な機能を学ぶことができる。
  論文  参考訳（メタデータ） (2023-08-07T06:15:51Z)
• Calibrated Feature Decomposition for Generalizable Person Re-Identification [82.64133819313186]
  Calibrated Feature Decomposition (CFD)モジュールは、人物の再識別の一般化能力の向上に焦点を当てている。 キャリブレーション・アンド・スタンダード化されたバッチ正規化(CSBN)は、キャリブレーションされた人物表現を学習するために設計されている。
  論文  参考訳（メタデータ） (2021-11-27T17:12:43Z)
• Learning Domain Invariant Representations for Generalizable Person Re-Identification [71.35292121563491]
  ReID(Generalizable person Re-Identification)は、最近のコンピュータビジョンコミュニティで注目を集めている。 DIR-ReID(Domain Invariant Representations for Generalizable Person Re-Identification)という新しい一般化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-29T18:59:48Z)
• Unsupervised and self-adaptative techniques for cross-domain person re-identification [82.54691433502335]
  非重複カメラにおける人物再識別(ReID)は難しい課題である。 Unsupervised Domain Adaptation(UDA)は、ソースで訓練されたモデルから、IDラベルアノテーションなしでターゲットドメインへの機能学習適応を実行するため、有望な代替手段です。 本稿では,新しいオフライン戦略によって生成されたサンプルのトリプレットを利用する,UDAベースのReID手法を提案する。
  論文  参考訳（メタデータ） (2021-03-21T23:58:39Z)
• Style Normalization and Restitution for DomainGeneralization and Adaptation [88.86865069583149]
  効果的なドメイン一般化モデルは、一般化および判別可能な特徴表現を学習することが期待される。 本稿では,ネットワークの高一般化と識別能力を確保するために,新しいスタイル正規化・再構成モジュール(SNR)を設計する。
  論文  参考訳（メタデータ） (2021-01-03T09:01:39Z)
• Meta Batch-Instance Normalization for Generalizable Person Re-Identification [36.74050132062411]
  メタバッチインスタンス正規化(MetaBIN)と呼ばれる新しい一般化可能なRe-IDフレームワークを提案する。 我々の主な考えは、前もって失敗した一般化シナリオをシミュレートして正規化層を一般化することである。 本モデルは,大規模ドメイン一般化Re-IDベンチマークとクロスドメインRe-ID問題において,最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-11-30T10:31:03Z)
• Unsupervised Disentanglement GAN for Domain Adaptive Person Re-Identification [10.667492516216887]
  本稿では、教師付き人物ReIDのドメイン適応問題に対処するため、新しい非教師付き非教師付き逆境生成ネットワーク(UD-GAN)を提案する。 我々のフレームワークは、識別アノテーションを用いて、ソースラベル付きドメインにおける識別的特徴抽出のためのReIDネットワークを共同で訓練する。 その結果、ReID機能は、教師なしドメイン内の人物のアイデンティティをよりよく含みます。
  論文  参考訳（メタデータ） (2020-07-30T16:07:05Z)

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。