論文の概要: Making Person Search Enjoy the Merits of Person Re-identification

• arxiv url: http://arxiv.org/abs/2108.10536v1
• Date: Tue, 24 Aug 2021 06:00:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-25 14:19:28.726946
• Title: Making Person Search Enjoy the Merits of Person Re-identification
• Title（参考訳）: 人物再識別のメリットを享受する人物検索
• Authors: Chuang Liu, Hua Yang, Qin Zhou and Shibao Zheng
• Abstract要約: 我々はTDN(Teacher-guided Disentangling Networks)という,より高速で強力な人物検索フレームワークを提案する。 提案したTDNは、高度な人物Re-ID知識を人物検索モデルに転送することにより、人物検索性能を大幅に向上させることができる。 また,Re-IDモデルとワンステップ人物探索モデルとの間の入力形式の違いによるスケールギャップを橋渡しする知識伝達ブリッジモジュールを提案する。
• 参考スコア（独自算出の注目度）: 12.311100923753449
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Person search is an extended task of person re-identification (Re-ID). However, most existing one-step person search works have not studied how to employ existing advanced Re-ID models to boost the one-step person search performance due to the integration of person detection and Re-ID. To address this issue, we propose a faster and stronger one-step person search framework, the Teacher-guided Disentangling Networks (TDN), to make the one-step person search enjoy the merits of the existing Re-ID researches. The proposed TDN can significantly boost the person search performance by transferring the advanced person Re-ID knowledge to the person search model. In the proposed TDN, for better knowledge transfer from the Re-ID teacher model to the one-step person search model, we design a strong one-step person search base framework by partially disentangling the two subtasks. Besides, we propose a Knowledge Transfer Bridge module to bridge the scale gap caused by different input formats between the Re-ID model and one-step person search model. During testing, we further propose the Ranking with Context Persons strategy to exploit the context information in panoramic images for better retrieval. Experiments on two public person search datasets demonstrate the favorable performance of the proposed method.
• Abstract（参考訳）: 人物検索は、人物再識別(Re-ID)の拡張タスクである。 しかし,既存の1段階の人物探索作業の多くは,人物検出とRe-IDの統合による1段階の人物探索性能向上のために,既存の高度なRe-IDモデルをどのように活用するかを研究していない。 この問題に対処するため,教師誘導型分散ネットワーク(TDN)という,より高速で強力なワンステップの人物検索フレームワークを提案し,既存のRe-ID研究のメリットを享受する。 提案するtdnは,高度な人物再識別知識を人物検索モデルに転送することにより,人物検索性能を大幅に向上させることができる。 提案するtdnでは,リid教師モデルからワンステップパーソンサーチモデルへの知識伝達を改善するため,2つのサブタスクを部分的に分離して,強力なワンステップパーソンサーチベースフレームワークを設計する。 さらに,Re-IDモデルとワンステップの人物探索モデル間の入力形式の違いによるスケールギャップを橋渡しする知識伝達ブリッジモジュールを提案する。 テスト中は、パノラマ画像の文脈情報を利用してより良い検索を行うためのコンテキストパーソンのランク付け戦略をさらに提案する。 2つの公開人検索データセットの実験により,提案手法の有効性が示された。

関連論文リスト

• Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
  本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。 提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
  論文  参考訳（メタデータ） (2024-06-10T06:26:03Z)
• Contrastive Transformer Learning with Proximity Data Generation for Text-Based Person Search [60.626459715780605]
  記述的なテキストクエリーを与えられたテキストベースの人物検索は、画像ギャラリーからベストマッチした人物を検索することを目的としている。 このようなクロスモーダル検索タスクは、重要なモダリティギャップ、きめ細かい相違、注釈付きデータの不十分さのため、かなり難しい。 本稿では,テキストに基づく人物検索のための2つのトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-15T16:26:49Z)
• PSDiff: Diffusion Model for Person Search with Iterative and Collaborative Refinement [59.6260680005195]
  本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。 PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。 新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
  論文  参考訳（メタデータ） (2023-09-20T08:16:39Z)
• Towards Fully Decoupled End-to-End Person Search [15.126269826140247]
  エンド・ツー・エンドの人物探索は、原シーン画像中の対象人物を統一モデルで共同で検出し、再同定することを目的としている。 検出タスクは、re-idタスクが異なるアイデンティティを識別している間に、すべての人を統一する。 既存の手法は、部分的に分離されたモデルのため、サブタスクの1つまたは2つの部分最適である。 タスクインクリメンタルな人探索ネットワークを提案し, タスク検出とリIDサブタスクのためのエンド・ツー・エンド・モデルを構築した。
  論文  参考訳（メタデータ） (2023-09-10T09:00:28Z)
• LEAPS: End-to-End One-Step Person Search With Learnable Proposals [50.39493100627476]
  LEAPSという学習可能な提案を用いたエンドツーエンドのワンステップ人物探索手法を提案する。 スパースと学習可能な提案のセットが与えられた後、LEAPSは動的人物検索ヘッドを使用して、非最大抑圧後処理なしで直接人物検出および対応するre-id特徴生成を行う。
  論文  参考訳（メタデータ） (2023-03-21T13:59:32Z)
• Sequential Transformer for End-to-End Person Search [4.920657401819193]
  人物探索は、現実的かつ未収集のギャラリーイメージから対象人物を同時にローカライズし、認識することを目的としている。 本稿では,この課題に対処するエンド・ツー・エンドの人物探索のためのシークエンシャル・トランスフォーマー(SeqTR)を提案する。 我々のSeqTRは検出変換器と、検出タスクと再IDタスクを逐次処理する新しいre-ID変換器を備えている。
  論文  参考訳（メタデータ） (2022-11-06T09:32:30Z)
• Subtask-dominated Transfer Learning for Long-tail Person Search [12.311100923753449]
  人物探索は、パノラマギャラリー画像から質問者を見つけるために、人物検出と人物再識別(Re-ID)を統一する。 1つの大きな課題は、不均衡なロングテールの個人識別分布である。 本稿では,この問題を解決するために,Subtask-dominated Transfer Learning (STL)法を提案する。
  論文  参考訳（メタデータ） (2021-12-01T14:34:48Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。