論文の概要: Camera-aware Style Separation and Contrastive Learning for Unsupervised Person Re-identification

• arxiv url: http://arxiv.org/abs/2112.10089v1
• Date: Sun, 19 Dec 2021 08:53:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 16:34:59.886187
• Title: Camera-aware Style Separation and Contrastive Learning for Unsupervised Person Re-identification
• Title（参考訳）: 教師なし人物再識別のためのカメラ対応スタイル分離とコントラスト学習
• Authors: Xue Li, Tengfei Liang, Yi Jin, Tao Wang, Yidong Li
• Abstract要約: 教師なしの人物再識別(ReID)は、データアノテーションなしでは難しい課題である。 カメラ対応型分離・コントラスト学習法(CA-UReID)を提案する。 学習可能な機能をカメラ固有の部分とカメラに依存しない部分に明確に分割することで、異なるカメラの影響を低減できる。
• 参考スコア（独自算出の注目度）: 16.045209899229548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised person re-identification (ReID) is a challenging task without data annotation to guide discriminative learning. Existing methods attempt to solve this problem by clustering extracted embeddings to generate pseudo labels. However, most methods ignore the intra-class gap caused by camera style variance, and some methods are relatively complex and indirect although they try to solve the negative impact of the camera style on feature distribution. To solve this problem, we propose a camera-aware style separation and contrastive learning method (CA-UReID), which directly separates camera styles in the feature space with the designed camera-aware attention module. It can explicitly divide the learnable feature into camera-specific and camera-agnostic parts, reducing the influence of different cameras. Moreover, to further narrow the gap across cameras, we design a camera-aware contrastive center loss to learn more discriminative embedding for each identity. Extensive experiments demonstrate the superiority of our method over the state-of-the-art methods on the unsupervised person ReID task.
• Abstract（参考訳）: 教師なしの人物再識別(ReID)は、識別学習を導くためのデータアノテーションのない課題である。 既存の手法では、抽出した埋め込みをクラスタリングして擬似ラベルを生成する。 しかし、ほとんどの手法はカメラスタイルのばらつきによるクラス内ギャップを無視しており、カメラスタイルが特徴分布に与える影響を解消しようとするが、比較的複雑で間接的な方法もある。 そこで本研究では,カメラアウェア型アテンションモジュールを用いて,特徴空間におけるカメラスタイルを直接分離するカメラアウェア型分離・コントラスト学習法(ca-ureid)を提案する。 学習可能な機能をカメラ固有の部分とカメラに依存しない部分に明確に分割することで、異なるカメラの影響を低減できる。 さらに,カメラ間のギャップをさらに狭めるため,カメラ認識によるコントラスト中心損失をデザインし,各アイデンティティに対するより識別的な埋め込みを学習する。 集中的な実験は、教師なしのReIDタスクにおける最先端の手法よりも優れていることを示す。

関連論文リスト

• Camera-aware Label Refinement for Unsupervised Person Re-identification [19.099192313056296]
  教師なしの人物再識別は、特定人物のイメージを識別ラベルなしで検索することを目的としている。 最近の教師なしRe-IDアプローチでは、クラスタリングをベースとして、クロスカメラの特徴的類似性を測定する手法が採用されている。 我々は、カメラ内類似性をクラスタリングすることで、カメラの差を小さくするtextbfCamera-textbfAware textbfLabel textbfRefinement(CALR)フレームワークを導入する。
  論文  参考訳（メタデータ） (2024-03-25T06:22:27Z)
• Learning Intra and Inter-Camera Invariance for Isolated Camera Supervised Person Re-identification [6.477096324232456]
  クロスカメラ画像は、単にカメラスタイルで異なるIDとして認識される傾向がある。 本稿では,ISCS設定下での人物のリIDについて検討する。
  論文  参考訳（メタデータ） (2023-11-02T11:32:40Z)
• Pseudo Labels Refinement with Intra-camera Similarity for Unsupervised Person Re-identification [8.779246907359706]
  監視されていない人物の再識別(Re-ID)は、識別ラベルなしでカメラを介して人物画像を取得することを目的としている。 クラスタリングに基づくほとんどの手法は、画像の特徴を大まかにクラスタに分割し、異なるカメラ間のドメインシフトに起因する特徴分布ノイズを無視する。 本稿では,カメラ内類似点をクラスタリングする新しいラベルリファインメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-25T08:04:12Z)
• Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
  人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。 カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法 グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
  論文  参考訳（メタデータ） (2021-07-29T11:27:50Z)
• Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
  unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。 一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。 本稿では,両問題を解決するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-08T09:13:06Z)
• Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
  本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。 各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。 カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
  論文  参考訳（メタデータ） (2020-12-19T12:37:04Z)
• Fully Unsupervised Person Re-identification viaSelective Contrastive Learning [58.5284246878277]
  人物再識別(ReID)は、様々なカメラが捉えた画像の中から同一人物を検索することを目的としている。 教師なし特徴学習のための新しい選択型コントラスト学習フレームワークを提案する。 その結果,教師なしのReIDにおける手法の優位性について,最先端技術と比較した。
  論文  参考訳（メタデータ） (2020-10-15T09:09:23Z)
• Unity Style Transfer for Person Re-Identification [54.473456125525196]
  スタイルのバリエーションは、異なるカメラで同じ歩行者をマッチングすることを目的として、人物を再識別する上で大きな課題となっている。 我々は,同じカメラ内および異なるカメラ間でのスタイルの相違を円滑にできるUnityStyle適応法を提案する。 提案フレームワークの性能を評価するために,広く利用されているベンチマークデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2020-03-04T13:22:57Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)

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。