論文の概要: SiCL: Silhouette-Driven Contrastive Learning for Unsupervised Person Re-Identification with Clothes Change
- arxiv url: http://arxiv.org/abs/2305.13600v2
- Date: Sun, 7 Apr 2024 11:50:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-10 05:27:02.470633
- Title: SiCL: Silhouette-Driven Contrastive Learning for Unsupervised Person Re-Identification with Clothes Change
- Title（参考訳）: SiCL: 衣服変化を伴う教師なし者の再同定のためのシルエット駆動型コントラスト学習
- Authors: Mingkun Li, Peng Xu, Chun-Guang Li, Jun Guo,
- Abstract要約: そこで我々は, シルエット駆動型コントラスト学習法 (SiCL) を提案する。
これは、教師なしの長期服用変更リードのための最初のテーラーメイドフレームワークであり、6つのベンチマークデータセット上での優れたパフォーマンスである。
- 参考スコア（独自算出の注目度）: 12.460378040659965
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we address a highly challenging yet critical task: unsupervised long-term person re-identification with clothes change. Existing unsupervised person re-id methods are mainly designed for short-term scenarios and usually rely on RGB cues so that fail to perceive feature patterns that are independent of the clothes. To crack this bottleneck, we propose a silhouette-driven contrastive learning (SiCL) method, which is designed to learn cross-clothes invariance by integrating both the RGB cues and the silhouette information within a contrastive learning framework. To our knowledge, this is the first tailor-made framework for unsupervised long-term clothes change \reid{}, with superior performance on six benchmark datasets. We conduct extensive experiments to evaluate our proposed SiCL compared to the state-of-the-art unsupervised person reid methods across all the representative datasets. Experimental results demonstrate that our proposed SiCL significantly outperforms other unsupervised re-id methods.
- Abstract（参考訳）: 本稿では,服の着替えに伴う長期的個人識別の非教師化という,極めて困難な課題に対処する。
既存の教師なしの人物再識別法は、主に短期シナリオのために設計されており、通常はRGBの手がかりに依存しているので、衣服に依存しない特徴パターンを認識できない。
このボトルネックを解消するために,RGBキューとシルエット情報の両方をコントラスト学習フレームワークに統合することにより,クロスクロース不変性を学習する,シルエット駆動型コントラスト学習(SiCL)手法を提案する。
われわれの知る限り、これは教師なしの長期服着変更のための最初の調整済みフレームワークであり、6つのベンチマークデータセット上での優れたパフォーマンスである。
提案したSiCLを,すべての代表データセットにまたがる最先端の非教師なし人物リード手法と比較し,広範囲な実験を行った。
実験の結果,提案したSiCLは非教師なしのre-id法よりも有意に優れていた。
関連論文リスト
- Exploring Stronger Transformer Representation Learning for Occluded Person Re-Identification [2.552131151698595]
我々はトランスフォーマーに基づく人物識別フレームワークであるSSSC-TransReIDを組み合わせた新しい自己監督・監督手法を提案した。
我々は、ネガティブなサンプルや追加の事前学習なしに、人物の再識別のための特徴表現を強化することができる自己教師付きコントラスト学習ブランチを設計した。
提案モデルでは, 平均平均精度(mAP) とランク1の精度において, 最先端のReID手法よりも優れたRe-ID性能が得られ, 高いマージンで性能が向上する。
論文 参考訳（メタデータ） (2024-10-21T03:17:25Z) - On the Effectiveness of Supervision in Asymmetric Non-Contrastive Learning [5.123232962822044]
非対称非競合学習(ANCL)は、自己指導的表現学習において、対照的な学習よりも優れていることが多い。
教師付き表現学習のためのANCL(SupSiamとSupBYOL)について検討し,より優れた表現を実現するためにANCLのラベルを活用する。
分析の結果,ANCLの監督はクラス内ばらつきを低減し,最高の性能を達成するためには,監督の貢献を調整すべきであることが判明した。
論文 参考訳（メタデータ） (2024-06-16T06:43:15Z) - CUCL: Codebook for Unsupervised Continual Learning [129.91731617718781]
本研究は,教師なし連続学習(UCL)の代替として,教師なし連続学習(UCL)に焦点を当てている。
本稿では,教師なし連続学習のためのCodebook for Unsupervised Continual Learning (CUCL) という手法を提案する。
本手法は教師なしおよび教師なしの手法の性能を大幅に向上させる。
論文 参考訳（メタデータ） (2023-11-25T03:08:50Z) - CGUA: Context-Guided and Unpaired-Assisted Weakly Supervised Person
Search [54.106662998673514]
本稿では,コンテキストガイドとアンペア支援(CGUA)を弱教師付き人物検索フレームワークとして導入する。
具体的には、クラスタリングプロセスにおけるコンテキスト情報を活用する新しいコンテキストガイドクラスタ(CGC)アルゴリズムを提案する。
本手法は,より多様なラベル付きデータを活用することにより,最先端の教師付き手法に匹敵する,あるいは優れた性能を実現する。
論文 参考訳（メタデータ） (2022-03-27T13:57:30Z) - Contrastive Instruction-Trajectory Learning for Vision-Language
Navigation [66.16980504844233]
視覚言語ナビゲーション(VLN)タスクでは、エージェントが自然言語の指示でターゲットに到達する必要がある。
先行研究は、命令-軌道対間の類似点と相違点を識別できず、サブ命令の時間的連続性を無視する。
本稿では、類似したデータサンプル間の分散と、異なるデータサンプル間の分散を探索し、ロバストなナビゲーションのための独特な表現を学習するContrastive Instruction-Trajectory Learningフレームワークを提案する。
論文 参考訳（メタデータ） (2021-12-08T06:32:52Z) - Hard-sample Guided Hybrid Contrast Learning for Unsupervised Person
Re-Identification [8.379286663107845]
教師なしの人物再識別(Re-ID)は、コンピュータビジョンにおける有望で非常に困難な研究課題である。
本稿では、クラスタレベルの損失とインスタンスレベルの損失を組み合わせたHHCL(Hard-sample Guided Hybrid Contrast Learning)アプローチを提案する。
2つの人気のある大規模Re-IDベンチマークの実験は、我々のHHCLが従来の最先端手法よりも優れていることを示した。
論文 参考訳（メタデータ） (2021-09-25T10:43:37Z) - Cluster-guided Asymmetric Contrastive Learning for Unsupervised Person
Re-Identification [10.678189926088669]
Re-ID(unsupervised person re-identification)は、異なるカメラビューからの歩行者イメージを教師なし環境でマッチングすることを目的としている。
教師なしのRe-IDのための既存のメソッドは通常、クラスタリングの擬似ラベル上に構築される。
本稿では、教師なしのRe-IDに対して、クラスタ誘導型非対称コントラスト学習(CACL)アプローチを提案する。
論文 参考訳（メタデータ） (2021-06-15T02:40:22Z) - Unsupervised Pre-training for Person Re-identification [90.98552221699508]
大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。
学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
論文 参考訳（メタデータ） (2020-12-07T14:48:26Z) - 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) - 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。