論文の概要: Calibrated Feature Decomposition for Generalizable Person Re-Identification

• arxiv url: http://arxiv.org/abs/2111.13945v1
• Date: Sat, 27 Nov 2021 17:12:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-02 13:01:52.964329
• Title: Calibrated Feature Decomposition for Generalizable Person Re-Identification
• Title（参考訳）: 一般化された人物再同定のためのキャリブレーション特徴分解
• Authors: Kecheng Zheng, Jiawei Liu, Wei Wu, Liang Li, Zheng-jun Zha
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 82.64133819313186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing disentangled-based methods for generalizable person re-identification aim at directly disentangling person representations into domain-relevant interference and identity-relevant feature. However, they ignore that some crucial characteristics are stubbornly entwined in both the domain-relevant interference and identity-relevant feature, which are intractable to decompose in an unsupervised manner. In this paper, we propose a simple yet effective Calibrated Feature Decomposition (CFD) module that focuses on improving the generalization capacity for person re-identification through a more judicious feature decomposition and reinforcement strategy. Specifically, a calibrated-and-standardized Batch normalization (CSBN) is designed to learn calibrated person representation by jointly exploring intra-domain calibration and inter-domain standardization of multi-source domain features. CSBN restricts instance-level inconsistency of feature distribution for each domain and captures intrinsic domain-level specific statistics. The calibrated person representation is subtly decomposed into the identity-relevant feature, domain feature, and the remaining entangled one. For enhancing the generalization ability and ensuring high discrimination of the identity-relevant feature, a calibrated instance normalization (CIN) is introduced to enforce discriminative id-relevant information, and filter out id-irrelevant information, and meanwhile the rich complementary clues from the remaining entangled feature are further employed to strengthen it. Extensive experiments demonstrate the strong generalization capability of our framework. Our models empowered by CFD modules significantly outperform the state-of-the-art domain generalization approaches on multiple widely-used benchmarks. Code will be made public: https://github.com/zkcys001/CFD.
• Abstract（参考訳）: 個人表現をドメイン関連干渉やアイデンティティ関連特徴へと直接切り離すことを目的とする。 しかし、ドメイン関連干渉とアイデンティティ関連の特徴の両方において、いくつかの重要な特徴が頑固に絡み合っていることを無視している。 本稿では,よりジュディショナルな特徴分解と強化戦略により,人物再識別の一般化能力の向上に焦点をあてた,シンプルで効果的なキャリブレーション機能分解(CFD)モジュールを提案する。 具体的には、キャリブレーション・アンド・スタンダード化バッチ正規化(CSBN)は、ドメイン内キャリブレーションとマルチソースドメイン機能のドメイン間標準化を共同で探索することにより、キャリブレーションされた人物表現を学習するように設計されている。 CSBNは各ドメインの特徴分布のインスタンスレベルの矛盾を制限し、固有のドメインレベルの特定の統計をキャプチャする。 校正された人物表現は、アイデンティティ関連特徴、ドメイン特徴、および残りの絡み合った特徴に下位に分解される。 一般化能力を高め、アイデンティティ関連特徴の高い識別を確保するため、識別ID関連情報を強制し、ID関連情報をフィルタリングするために校正インスタンス正規化(CIN)を導入し、残りの絡み合い特徴からの豊富な補完的手がかりを更に活用して強化する。 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。 cfdモジュールによって強化された我々のモデルは、複数の広く使用されているベンチマークで最先端のドメイン一般化アプローチを著しく上回っている。 コードは公開される。 https://github.com/zkcys001/CFD。

関連論文リスト

• Feature-Space Semantic Invariance: Enhanced OOD Detection for Open-Set Domain Generalization [10.38552112657656]
  本稿では、FSI(Feature-space Semantic Invariance)を導入して、オープンセット領域の一般化のための統一的なフレームワークを提案する。 FSIは機能領域内の異なるドメイン間のセマンティック一貫性を維持しており、見えないドメイン内のOODインスタンスをより正確に検出することができる。 また、新しいドメインスタイルやクラスラベルで合成データを生成するために生成モデルを採用し、モデルロバスト性を高めます。
  論文  参考訳（メタデータ） (2024-11-11T21:51:45Z)
• Causality-inspired Latent Feature Augmentation for Single Domain Generalization [13.735443005394773]
  単一ドメインの一般化(Single-DG)は、単一のトレーニングドメインのみを持つ一般化可能なモデルを開発し、他の未知のターゲットドメインでうまく機能させることを目的としている。 ドメイン・ハングリー構成の下で、ソース・ドメインのカバレッジを拡大し、異なる分布にまたがる固有の因果的特徴を見つける方法がモデルの一般化能力を高める鍵となる。 本稿では、因果学習と介入に基づく特徴レベルの変換のメタ知識を学習することで、単一DGの因果性に着想を得た潜在機能拡張手法を提案する。
  論文  参考訳（メタデータ） (2024-06-10T02:42:25Z)
• Feature-Distribution Perturbation and Calibration for Generalized Person ReID [47.84576229286398]
  人物再識別(ReID)は、視覚認識のためのディープラーニングの急速な発展とともに、過去10年間で著しく進歩してきた。 本稿では,人物ReIDの一般的な特徴表現を導出する特徴分布摂動一般化法を提案する。
  論文  参考訳（メタデータ） (2022-05-23T11:06:12Z)
• Generalizable Person Re-Identification via Self-Supervised Batch Norm Test-Time Adaption [63.7424680360004]
  Batch Norm Test-time Adaption (BNTA)は、BNパラメータを適応的に更新するための自己教師型戦略を適用する、新しいre-idフレームワークである。 BNTAは、推論前にラベル付けされていないターゲットデータ内のドメイン認識情報を探索し、BNによって正規化された特徴分布を変調してターゲットドメインに適応させる。
  論文  参考訳（メタデータ） (2022-03-01T18:46:32Z)
• Adaptive Domain-Specific Normalization for Generalizable Person Re-Identification [81.30327016286009]
  一般化可能なRe-IDのための適応型ドメイン固有正規化手法(AdsNorm)を提案する。 本研究では,一般化可能人物 Re-ID に対する適応領域特異的正規化手法 (AdsNorm) を提案する。
  論文  参考訳（メタデータ） (2021-05-07T02:54:55Z)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• Feature Alignment and Restoration for Domain Generalization and Adaptation [93.39253443415392]
  クロスドメイン機能アライメントは、ドメイン不変表現を学ぶために、異なるドメインの特徴分布を抽出するために広く研究されてきた。 本稿では,FAR(Feature Alignment and Restoration)と呼ばれる統合フレームワークを提案する。 複数の分類ベンチマークの実験は、ドメインの一般化と教師なしドメインの適応の両方のためのFARフレームワークの性能と強力な一般化を実証している。
  論文  参考訳（メタデータ） (2020-06-22T05:08:13Z)
• Style Normalization and Restitution for Generalizable Person Re-identification [89.482638433932]
  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。
  論文  参考訳（メタデータ） (2020-05-22T07:15:10Z)

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。