論文の概要: Domain Consistency Representation Learning for Lifelong Person Re-Identification

• arxiv url: http://arxiv.org/abs/2409.19954v2
• Date: Tue, 19 Nov 2024 08:17:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-20 13:34:33.080804
• Title: Domain Consistency Representation Learning for Lifelong Person Re-Identification
• Title（参考訳）: 生涯的人物認識のためのドメイン一貫性表現学習
• Authors: Shiben Liu, Qiang Wang, Huijie Fan, Weihong Ren, Baojie Fan, Yandong Tang,
• Abstract要約: LReID(Lifelong person re-identification)は、連続データから学ぶ際に、ドメイン内識別とドメイン間ギャップの間に矛盾した関係を示す。 ドメイン内識別とドメイン間ギャップのバランスをとるために,グローバルおよび属性ワイド表現を探索する新しいドメイン一貫性表現学習(DCR)モデルを提案する。 我々のモデルは最先端のLReID法と比較して優れた性能が得られる。
• 参考スコア（独自算出の注目度）: 13.02156660844767
• License:
• Abstract: Lifelong person re-identification (LReID) exhibits a contradictory relationship between intra-domain discrimination and inter-domain gaps when learning from continuous data. Intra-domain discrimination focuses on individual nuances (e.g. clothing type, accessories, etc.), while inter-domain gaps emphasize domain consistency. Achieving a trade-off between maximizing intra-domain discrimination and minimizing inter-domain gaps is a crucial challenge for improving LReID performance. Most existing methods aim to reduce inter-domain gaps through knowledge distillation to maintain domain consistency. However, they often ignore intra-domain discrimination. To address this challenge, we propose a novel domain consistency representation learning (DCR) model that explores global and attribute-wise representations as a bridge to balance intra-domain discrimination and inter-domain gaps. At the intra-domain level, we explore the complementary relationship between global and attribute-wise representations to improve discrimination among similar identities. Excessive learning intra-domain discrimination can lead to catastrophic forgetting. We further develop an attribute-oriented anti-forgetting (AF) strategy that explores attribute-wise representations to enhance inter-domain consistency, and propose a knowledge consolidation (KC) strategy to facilitate knowledge transfer. Extensive experiments show that our DCR model achieves superior performance compared to state-of-the-art LReID methods. Our code will be available soon.
• Abstract（参考訳）: LReID(Lifelong person re-identification)は、連続データから学ぶ際に、ドメイン内識別とドメイン間ギャップの間に矛盾した関係を示す。 ドメイン内の識別は個々のニュアンス(例えば衣服の種類、アクセサリーなど)に焦点を当て、ドメイン間のギャップはドメインの一貫性を強調します。 ドメイン内差別の最大化とドメイン間ギャップの最小化のトレードオフを達成することは、LReID性能を改善する上で重要な課題である。 既存の手法の多くは、知識蒸留によってドメイン間のギャップを減らし、ドメインの一貫性を維持することを目的としている。 しかし、彼らはしばしばドメイン内の差別を無視します。 この課題に対処するために,ドメイン内識別とドメイン間ギャップのバランスをとるブリッジとして,グローバルおよび属性ワイド表現を探索する新しいドメイン一貫性表現学習(DCR)モデルを提案する。 ドメイン内レベルでは,グローバル表現と属性表現の相補関係を考察し,類似したアイデンティティの識別を改善する。 ドメイン内差別の過剰な学習は、破滅的な忘れを招きかねない。 さらに,属性指向のアンチフォッゲッティング(AF)戦略を開発し,ドメイン間の一貫性を高めるために属性指向の表現を探索し,知識伝達を促進する知識統合(KC)戦略を提案する。 我々のDCRモデルは最先端のLReID法と比較して優れた性能を示す。 私たちのコードはまもなく利用可能になります。

関連論文リスト

• Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
  Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。 本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。 実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-10-31T06:55:24Z)
• Unified Language-driven Zero-shot Domain Adaptation [55.64088594551629]
  Unified Language-driven Zero-shot Domain Adaptation (ULDA)は、新しいタスクセットである。 これにより、ドメインIDの知識を明示することなく、単一のモデルを多様なターゲットドメインに適応させることができる。
  論文  参考訳（メタデータ） (2024-04-10T16:44:11Z)
• Multi-Prompts Learning with Cross-Modal Alignment for Attribute-based Person Re-Identification [18.01407937934588]
  本稿では,素早い学習と言語モデルに基づくMP-ReID(Multi-Prompts ReID)という新しいフレームワークを提案する。 MP-ReIDは、クエリイメージを記述するために、多様で情報的、即応的な文を幻覚させることを学ぶ。 明示的なプロンプトは、ChatGPTやVQAモデルといった世代モデルをアンサンブルすることで得られる。
  論文  参考訳（メタデータ） (2023-12-28T03:00:19Z)
• Identity-preserving Editing of Multiple Facial Attributes by Learning Global Edit Directions and Local Adjustments [4.082799056366928]
  ID-Styleは属性操作時のID損失に対処できる新しいアーキテクチャである。 本稿では、IAIPとともに入力インスタンスの同一性を保持する半スパースな意味方向を見つけるために、LGDを強制する訓練中に2つの損失を導入する。
  論文  参考訳（メタデータ） (2023-09-25T16:28:39Z)
• Feature Disentanglement Learning with Switching and Aggregation for Video-based Person Re-Identification [9.068045610800667]
  映像人物再識別(Re-ID)では、連続したフレームから対象人物の特徴を一貫して抽出する必要がある。 既存の手法は時間的情報の使用方法にのみ焦点をあてる傾向があり、しばしばネットワークは同じような外観と同じ背景に騙される。 本稿では,DSANet(Disentanglement and Switching and Aggregation Network)を提案する。
  論文  参考訳（メタデータ） (2022-12-16T04:27:56Z)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• TransFA: Transformer-based Representation for Face Attribute Evaluation [87.09529826340304]
  我々はtextbfTransFA を用いたtextbfattribute 評価のための新しい textbf Transformer 表現を提案する。 提案するTransFAは,最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-12T10:58:06Z)
• Attribute Prototype Network for Any-Shot Learning [113.50220968583353]
  属性ローカライズ機能を統合した画像表現は、任意のショット、すなわちゼロショットと少数ショットのイメージ分類タスクに有用である、と我々は主張する。 クラスレベルの属性のみを用いてグローバルな特徴とローカルな特徴を共同で学習する新しい表現学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-04T02:25:40Z)
• 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)
• Unsupervised Disentanglement GAN for Domain Adaptive Person Re-Identification [10.667492516216887]
  本稿では、教師付き人物ReIDのドメイン適応問題に対処するため、新しい非教師付き非教師付き逆境生成ネットワーク(UD-GAN)を提案する。 我々のフレームワークは、識別アノテーションを用いて、ソースラベル付きドメインにおける識別的特徴抽出のためのReIDネットワークを共同で訓練する。 その結果、ReID機能は、教師なしドメイン内の人物のアイデンティティをよりよく含みます。
  論文  参考訳（メタデータ） (2020-07-30T16:07:05Z)
• End-to-End Domain Adaptive Attention Network for Cross-Domain Person Re-Identification [43.335020352127366]
  本稿では,ドメイン間の画像の同時変換と識別的再識別子特徴の学習を目的とした,エンドツーエンドのドメイン適応型アダプティブアテンションネットワークを提案する。 人物の同一性に影響を与えることなく、ソースからターゲットドメインへの画像翻訳のためのアテンションモジュールを導入する。 提案したジョイントラーニングネットワークは,いくつかのベンチマークデータセット上での最先端手法よりも大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2020-05-07T03:17:43Z)

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。