論文の概要: End-to-End Context-Aided Unicity Matching for Person Re-identification
- arxiv url: http://arxiv.org/abs/2210.12008v1
- Date: Thu, 20 Oct 2022 07:33:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 15:18:54.525911
- Title: End-to-End Context-Aided Unicity Matching for Person Re-identification
- Title（参考訳）: 個人再識別のためのエンド・ツー・エンドコンテキスト支援ユニシティマッチング
- Authors: Min Cao, Cong Ding, Chen Chen, Junchi Yan and Yinqiang Zheng
- Abstract要約: 本稿では,人間同士の一致関係を学習・精査するための,エンドツーエンドの対人一意整合アーキテクチャを提案する。
サンプルのグローバルコンテキスト関係を用いて,ソフトマッチング結果を洗練し,両部グラフマッチングにより一致ユニシティに到達する。
実世界における人物再識別の応用を十分に考慮し, ワンショットとマルチショットの双方で一様マッチングを実現する。
- 参考スコア（独自算出の注目度）: 100.02321122258638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most existing person re-identification methods compute the matching relations
between person images across camera views based on the ranking of the pairwise
similarities. This matching strategy with the lack of the global viewpoint and
the context's consideration inevitably leads to ambiguous matching results and
sub-optimal performance. Based on a natural assumption that images belonging to
the same person identity should not match with images belonging to multiple
different person identities across views, called the unicity of person matching
on the identity level, we propose an end-to-end person unicity matching
architecture for learning and refining the person matching relations. First, we
adopt the image samples' contextual information in feature space to generate
the initial soft matching results by using graph neural networks. Secondly, we
utilize the samples' global context relationship to refine the soft matching
results and reach the matching unicity through bipartite graph matching. Given
full consideration to real-world person re-identification applications, we
achieve the unicity matching in both one-shot and multi-shot settings of person
re-identification and further develop a fast version of the unicity matching
without losing the performance. The proposed method is evaluated on five public
benchmarks, including four multi-shot datasets MSMT17, DukeMTMC, Market1501,
CUHK03, and a one-shot dataset VIPeR. Experimental results show the superiority
of the proposed method on performance and efficiency.
- Abstract（参考訳）: 既存の人物再同定手法のほとんどは、対の類似性のランキングに基づいて、人物画像間のカメラビュー間のマッチング関係を計算する。
グローバル視点の欠如とコンテキストの考慮によるこのマッチング戦略は、必然的にあいまいなマッチング結果と準最適性能をもたらす。
同一人物の同一性に属する画像は、同一人物の同一性と呼ばれる複数の異なる人物の同一性に属する画像とは一致しないという自然な仮定に基づいて、一致した人物を学習・精査するためのエンドツーエンドの人物の共通性マッチングアーキテクチャを提案する。
まず,画像サンプルの文脈情報を特徴空間に適用し,グラフニューラルネットワークを用いて最初のソフトマッチング結果を生成する。
第2に,サンプルのグローバルコンテキスト関係を利用してソフトマッチングの結果を洗練し,2部グラフマッチングによって一致するユニシティに到達する。
実世界の人物再識別アプリケーションを完全に考慮し、人物再識別のワンショット設定とマルチショット設定の両方でユニシティマッチングを実現し、性能を損なうことなく、さらに高速バージョンのユニシティマッチングを開発する。
提案手法は,MSMT17, DukeMTMC, Market1501, CUHK03, VIPeRの4つのマルチショットデータセットを含む5つの公開ベンチマークで評価される。
実験の結果,提案手法は性能と効率に優れることがわかった。
関連論文リスト
- CPCL: Cross-Modal Prototypical Contrastive Learning for Weakly
Supervised Text-based Person Re-Identification [10.64115914599574]
弱教師付きテキストベース人物識別(TPRe-ID)は、テキスト記述を用いて対象人物の画像の検索を試みる。
主な課題はクラス内の違いであり、モーダル内特徴のバリエーションとモーダル間のセマンティックギャップを含んでいる。
実際には、CPCLはCLIPモデルを初めて弱教師付きTPRe-IDに導入し、ビジュアルインスタンスとテキストインスタンスを共有潜在空間にマッピングする。
論文 参考訳（メタデータ） (2024-01-18T14:27:01Z) - Advancing Image Retrieval with Few-Shot Learning and Relevance Feedback [5.770351255180495]
Image Retrieval with Relevance Feedback (IRRF) は、検索プロセス中に反復的なヒューマンインタラクションを伴う。
本稿では,タスクに適したハイパーネットワークに基づく新しいスキームを提案し,ユーザフィードバックの迅速な調整を容易にする。
提案手法は,数発の1クラス分類でSoTAを達成でき,数発のオープンセット認識のバイナリ分類タスクで同等の結果が得られることを示す。
論文 参考訳（メタデータ） (2023-12-18T10:20:28Z) - Feature-based Image Matching for Identifying Individual K\=ak\=a [0.0]
本報告では、個々のk=ak=aを識別する新しい用途のための教師なし特徴ベース画像マッチングパイプラインについて検討する。
クラスタリングに類似性ネットワークを適用することで、個々の鳥を識別する現在の教師付きアプローチの弱点に対処する。
機能ベースの画像マッチングは、既存の教師付きアプローチに代わる実行可能な代替手段を提供するために、類似性ネットワークで使用できると結論付けている。
論文 参考訳（メタデータ） (2023-01-17T03:43:19Z) - Pseudo-Pair based Self-Similarity Learning for Unsupervised Person
Re-identification [47.44945334929426]
擬似ペアを用いた自己相似学習手法を提案する。
本稿では,画像に擬似ラベルを付与する手法を提案する。
個々の画像から同相性を用いて局所的な識別特徴を学習し、同相性を介して画像間のパッチ対応を検出する。
論文 参考訳（メタデータ） (2022-07-09T04:05:06Z) - Contextual Similarity Aggregation with Self-attention for Visual
Re-ranking [96.55393026011811]
本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。
提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
論文 参考訳（メタデータ） (2021-10-26T06:20:31Z) - Learning Contrastive Representation for Semantic Correspondence [150.29135856909477]
セマンティックマッチングのためのマルチレベルコントラスト学習手法を提案する。
画像レベルのコントラスト学習は、畳み込み特徴が類似したオブジェクト間の対応を見出すための鍵となる要素であることを示す。
論文 参考訳（メタデータ） (2021-09-22T18:34:14Z) - Graph-based Person Signature for Person Re-Identifications [17.181807593574764]
詳細な人物の記述(ラベルの属性)と視覚的特徴(ボディパーツとグローバル機能)をグラフに効果的に集約する新しい方法を提案します。
グラフは、人物の再識別のためのマルチブランチマルチタスクフレームワークに統合されます。
提案手法は,技術状況間での競争結果を達成し,他の属性ベースの手法やマスク誘導手法よりも優れる。
論文 参考訳（メタデータ） (2021-04-14T10:54:36Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳（メタデータ） (2020-03-18T12:18:35Z) - Learning Preference-Based Similarities from Face Images using Siamese
Multi-Task CNNs [78.24964622317633]
オンラインデートプラットフォームの大きな課題は、ユーザに適したマッチングを決定することだ。
ディープラーニングアプローチは、人間の顔からある程度まで様々な特性を予測できることを示した。
画像ベースマッチングの実現可能性について検討し,個人の関心や嗜好,態度とマッチングする方法について検討した。
論文 参考訳（メタデータ） (2020-01-25T23:08:12Z)
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。