論文の概要: Learning to Balance: Diverse Normalization for Cloth-Changing Person Re-Identification

• arxiv url: http://arxiv.org/abs/2410.03977v1
• Date: Mon, 14 Oct 2024 09:14:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 15:00:17.026984
• Title: Learning to Balance: Diverse Normalization for Cloth-Changing Person Re-Identification
• Title（参考訳）: バランスの学習:衣服交換者の再同定のための横正規化
• Authors: Hongjun Wang, Jiyuan Chen, Zhengwei Yin, Xuan Song, Yinqiang Zheng,
• Abstract要約: 本研究は, 衣服の特徴を完全に取り除いたり, 完全に保持していたりすることが, 作業に有害であることを実験的に実証した。 既存の作業は、衣料品のラベルやシルエット、その他の補助的なデータに依存しており、基本的には衣服の学習とアイデンティティーの特徴のバランスをとることを目的としている。 ディバースノーム(Diverse Norm)と呼ばれる新しいモジュールを導入し、個人的特徴を空間に拡張し、異なる衣服やアイデンティティ機能にチャンネルの注意を向ける。
• 参考スコア（独自算出の注目度）: 28.062308288028103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloth-Changing Person Re-Identification (CC-ReID) involves recognizing individuals in images regardless of clothing status. In this paper, we empirically and experimentally demonstrate that completely eliminating or fully retaining clothing features is detrimental to the task. Existing work, either relying on clothing labels, silhouettes, or other auxiliary data, fundamentally aim to balance the learning of clothing and identity features. However, we practically find that achieving this balance is challenging and nuanced. In this study, we introduce a novel module called Diverse Norm, which expands personal features into orthogonal spaces and employs channel attention to separate clothing and identity features. A sample re-weighting optimization strategy is also introduced to guarantee the opposite optimization direction. Diverse Norm presents a simple yet effective approach that does not require additional data. Furthermore, Diverse Norm can be seamlessly integrated ResNet50 and significantly outperforms the state-of-the-art methods.
• Abstract（参考訳）: 衣服交換者再識別(CC-ReID)は、衣服の状態に関わらず、画像中の個人を認識する。 本稿では, 衣服の特徴を完全に取り除いたり, 完全に保持していたりすることが, 作業に有害であることを実証的, 実験的に実証した。 既存の作業は、衣料品のラベルやシルエット、その他の補助的なデータに依存しており、基本的には衣服の学習とアイデンティティーの特徴のバランスをとることを目的としている。 しかし、このバランスを達成することは困難であり、ニュアンスがある。 本研究では,個人的特徴を直交空間に拡張し,異なる衣服やアイデンティティの特徴にチャネルアテンションを利用する,Diverse Normという新しいモジュールを提案する。 反対の最適化方向を保証するために、サンプル再重み付け最適化戦略も導入されている。 逆ノルムは、追加のデータを必要としない単純で効果的なアプローチを示す。 さらに、Diverse NormはResNet50をシームレスに統合することができ、最先端のメソッドよりも大幅に優れている。

関連論文リスト

• Discriminative Pedestrian Features and Gated Channel Attention for Clothes-Changing Person Re-Identification [8.289726210177532]
  衣服交換者再識別 (CC-ReID) の重要性が高まっている。 本稿では,歩行者画像から識別的特徴を効果的に抽出する手法を提案する。 2つの標準CC-ReIDデータセットを用いて実験を行い、提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-10-29T02:12:46Z)
• On Feature Decorrelation in Cloth-Changing Person Re-identification [32.27835236681253]
  衣服交換者再識別(CC-ReID)はコンピュータビジョンにおいて重要な課題である。 従来の方法では、複数のモダリティデータを統合するか、手動でアノテートされた衣料ラベルを使用する。 本稿では,密度比推定に基づく新しい正規化手法を提案する。
  論文  参考訳（メタデータ） (2024-10-07T22:25:37Z)
• Content and Salient Semantics Collaboration for Cloth-Changing Person Re-Identification [74.10897798660314]
  衣服を交換する人の再識別は、重複しないカメラで同じ人の衣服の変化を認識することを目的としている。 本稿では、並列間セマンティクスの相互作用と洗練を容易にするコンテンツ・サリアンセマンティクス協調フレームワークを提案する。 我々のフレームワークはシンプルだが有効であり、重要な設計はセマンティックス・マイニング・アンド・リファインメント(SMR)モジュールである。
  論文  参考訳（メタデータ） (2024-05-26T15:17:28Z)
• Self-Supervised Disentanglement by Leveraging Structure in Data Augmentations [63.73044203154743]
  自己教師付き表現学習は、しばしばデータの「スタイル」属性を誘導するためにデータ拡張を使用する。 データの属性が実際に"スタイル"であり、安全に破棄されるような先入観を推論することは困難である。 スタイル機能を捨てるよりも、スタイル機能を切り離そうとする、より原則化されたアプローチを導入します。
  論文  参考訳（メタデータ） (2023-11-15T09:34:08Z)
• Clothes-Invariant Feature Learning by Causal Intervention for Clothes-Changing Person Re-identification [118.23912884472794]
  衣服変化者再識別(CC-ReID)における衣服不変の特徴抽出の重要性 衣服と身元には強い相関関係があることを論じ, 衣服に関係のない特徴を抽出するために, 共通可能性に基づくReID法P(Y|X) を制限している。 衣服不変の特徴学習を実現するために,新しい因果的衣服不変学習法(CCIL)を提案する。
  論文  参考訳（メタデータ） (2023-05-10T13:48:24Z)
• Improving Identity-Robustness for Face Models [9.721206532236515]
  顔認識ベクトルをアイデンティティのプロキシとして利用して、このような堅牢性を実現する。 我々は, プロキシ埋め込み空間における条件逆密度(CID)に応じて, サンプルを重み付けする。 このような単純なサンプル重み付け方式はトレーニングの堅牢性を向上するだけでなく,全体的な性能も向上することが示唆された。
  論文  参考訳（メタデータ） (2023-04-07T20:41:10Z)
• Unsupervised Long-Term Person Re-Identification with Clothes Change [46.54514001691254]
  服装変化を伴う非監督的人物再識別(Re-ID)について検討した。 既存のre-idメソッドの多くは、すべての人の服が空間と時間にわたって静止していると人工的に仮定している。 本稿では,教師なしクラスタリング基準を適応的に制御できる新しいCPC手法を提案する。
  論文  参考訳（メタデータ） (2022-02-07T11:55:23Z)
• 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)
• Apparel-invariant Feature Learning for Apparel-changed Person Re-identification [70.16040194572406]
  ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。 ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。 着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
  論文  参考訳（メタデータ） (2020-08-14T03:49:14Z)
• 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。