論文の概要: Low Resolution Information Also Matters: Learning Multi-Resolution
Representations for Person Re-Identification
- arxiv url: http://arxiv.org/abs/2105.12684v1
- Date: Wed, 26 May 2021 16:54:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-27 13:26:42.405119
- Title: Low Resolution Information Also Matters: Learning Multi-Resolution
Representations for Person Re-Identification
- Title（参考訳）: 低解像度情報も重要である:人物再同定のためのマルチレゾリューション表現の学習
- Authors: Guoqing Zhang, Yuhao Chen, Weisi Lin, Arun Chandran, Xuan Jing
- Abstract要約: クロスレゾリューションされた人物のリIDは、オーバーラップされていないカメラから撮影した人物の画像をマッチングすることを目的としている。
emphtextbfMulti-Resolution textbfRepresentations textbfJoint textbfLearning (textbfMRJL)
提案手法は,分解能再構成ネットワーク(RRN)とDFFN(Dual Feature Fusion Network)から構成される。
- 参考スコア（独自算出の注目度）: 37.01666917620271
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a prevailing task in video surveillance and forensics field, person
re-identification (re-ID) aims to match person images captured from
non-overlapped cameras. In unconstrained scenarios, person images often suffer
from the resolution mismatch problem, i.e., \emph{Cross-Resolution Person
Re-ID}. To overcome this problem, most existing methods restore low resolution
(LR) images to high resolution (HR) by super-resolution (SR). However, they
only focus on the HR feature extraction and ignore the valid information from
original LR images. In this work, we explore the influence of resolutions on
feature extraction and develop a novel method for cross-resolution person re-ID
called \emph{\textbf{M}ulti-Resolution \textbf{R}epresentations \textbf{J}oint
\textbf{L}earning} (\textbf{MRJL}). Our method consists of a Resolution
Reconstruction Network (RRN) and a Dual Feature Fusion Network (DFFN). The RRN
uses an input image to construct a HR version and a LR version with an encoder
and two decoders, while the DFFN adopts a dual-branch structure to generate
person representations from multi-resolution images. Comprehensive experiments
on five benchmarks verify the superiority of the proposed MRJL over the
relevent state-of-the-art methods.
- Abstract（参考訳）: ビデオ監視と鑑識分野における一般的なタスクとして、人物再識別(re-id)は、オーバーラップされたカメラから撮影された人物画像とマッチングすることを目的としている。
制約のないシナリオでは、人物画像はしばしば分解ミスマッチ問題、すなわち \emph{Cross-Resolution Person Re-ID} に悩まされる。
この問題を解決するため、既存のほとんどの手法では、高分解能画像(LR)を高分解能画像(HR)に復元する。
しかし、HR特徴抽出のみに集中し、元のLR画像から有効な情報を無視する。
本研究では,特徴抽出における解像度の影響を考察し,emph{\textbf{m}ulti- resolution \textbf{r}epresentations \textbf{j}oint \textbf{l}earning} (\textbf{mrjl}) と呼ばれる新しい人物識別法を開発した。
本手法は,レゾリューション・コンストラクション・ネットワーク(RRN)とデュアル・フィーチャー・フュージョン・ネットワーク(DFFN)から構成される。
RRNは、HRバージョンとLRバージョンをエンコーダと2つのデコーダで構築するために入力画像を使用し、DFFNはデュアルブランチ構造を採用し、マルチ解像度画像から人物表現を生成する。
5つのベンチマークに関する総合的な実験は、提案したMRJLが最先端の手法よりも優れていることを検証している。
関連論文リスト
- Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
本稿では,C2-Matchingを提案する。
C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。
また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
論文 参考訳（メタデータ） (2022-12-19T16:15:02Z) - Semantic Encoder Guided Generative Adversarial Face Ultra-Resolution
Network [15.102899995465041]
本稿では,セマンティックガイド付き生成逆顔超解像ネットワーク(SEGA-FURN)を提案する。
提案するネットワークは, 組込みセマンティクスを捕捉し, 対数学習を誘導する新しいセマンティクスエンコーダと, Residual in Internal Block (RIDB) という階層型アーキテクチャを用いた新しいジェネレータから構成される。
大規模顔データを用いた実験により,提案手法は優れた超解像結果が得られ,定性比較と定量的比較の両面で他の最先端手法よりも優れることが示された。
論文 参考訳（メタデータ） (2022-11-18T23:16:57Z) - Learning Resolution-Adaptive Representations for Cross-Resolution Person
Re-Identification [49.57112924976762]
低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。
実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。
本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
論文 参考訳（メタデータ） (2022-07-09T03:49:51Z) - Memory-augmented Deep Unfolding Network for Guided Image
Super-resolution [67.83489239124557]
誘導画像超解像(GISR)は、HR画像の誘導の下で低解像度(LR)目標画像の空間分解能を高めて高解像度(HR)目標画像を得る。
従来のモデルベース手法は主に画像全体を取り、HR目標画像とHRガイダンス画像との事前分布を仮定する。
HR目標画像上で2種類の事前性を持つGISRの最大後部(MAP)推定モデルを提案する。
論文 参考訳（メタデータ） (2022-02-12T15:37:13Z) - Resolution based Feature Distillation for Cross Resolution Person
Re-Identification [17.86505685442293]
人物の再識別(re-id)は、異なるカメラビューで同一人物の画像を取得することを目的としている。
解像度のミスマッチは、興味のある人とカメラの間の距離が異なるため起こる。
本稿では,複数の解像度の問題を克服するために,分解能に基づく特徴蒸留(RFD)アプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T11:07:59Z) - Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。
既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。
本稿では,C2-Matchingを提案する。
論文 参考訳（メタデータ） (2021-06-03T16:40:36Z) - Deep High-Resolution Representation Learning for Cross-Resolution Person
Re-identification [22.104449922937338]
人物再識別(re-ID)は、異なるカメラから同一人物像と同一人物像をマッチングする問題に取り組む。
この問題を解決するために,PS-HRNet(Deep High-Resolution Pseudo-Siamese Framework)を提案する。
提案したPS-HRNetは,MLR-Market-1501,MLR-CUHK03,MLR-VIPeR,MLR-DukeMTMC-reID,CAVIARデータセット上でRan-1で3.4%,6.2%,2.5%,1.1%,4.2%の改善を行った。
論文 参考訳（メタデータ） (2021-05-25T07:45:38Z) - PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of
Generative Models [77.32079593577821]
PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。
本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-03-08T16:44:31Z) - 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。