論文の概要: Colors See Colors Ignore: Clothes Changing ReID with Color Disentanglement
- arxiv url: http://arxiv.org/abs/2507.07230v1
- Date: Wed, 09 Jul 2025 19:05:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-11 16:40:15.178945
- Title: Colors See Colors Ignore: Clothes Changing ReID with Color Disentanglement
- Title(参考訳): 色は色を無視する:色が絡み合ったReIDを着替える
- Authors: Priyank Pathak, Yogesh S. Rawat,
- Abstract要約: 衣服交換再識別(CC-ReID)は、衣服に関係なく、異なる場所や時間にまたがる個人を識別することを目的としている。
原画像やビデオフレームから直接色情報を利用するRGBのみの手法であるカラーシー、カラーアイグノア(CSCI)を提案する。
画像とビデオの両方におけるCSCIの有効性を実証し,CC-ReIDデータセット4つの実験を行った。
- 参考スコア(独自算出の注目度): 15.002913263469285
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clothes-Changing Re-Identification (CC-ReID) aims to recognize individuals across different locations and times, irrespective of clothing. Existing methods often rely on additional models or annotations to learn robust, clothing-invariant features, making them resource-intensive. In contrast, we explore the use of color - specifically foreground and background colors - as a lightweight, annotation-free proxy for mitigating appearance bias in ReID models. We propose Colors See, Colors Ignore (CSCI), an RGB-only method that leverages color information directly from raw images or video frames. CSCI efficiently captures color-related appearance bias ('Color See') while disentangling it from identity-relevant ReID features ('Color Ignore'). To achieve this, we introduce S2A self-attention, a novel self-attention to prevent information leak between color and identity cues within the feature space. Our analysis shows a strong correspondence between learned color embeddings and clothing attributes, validating color as an effective proxy when explicit clothing labels are unavailable. We demonstrate the effectiveness of CSCI on both image and video ReID with extensive experiments on four CC-ReID datasets. We improve the baseline by Top-1 2.9% on LTCC and 5.0% on PRCC for image-based ReID, and 1.0% on CCVID and 2.5% on MeVID for video-based ReID without relying on additional supervision. Our results highlight the potential of color as a cost-effective solution for addressing appearance bias in CC-ReID. Github: https://github.com/ppriyank/ICCV-CSCI-Person-ReID.
- Abstract(参考訳): 衣服交換再識別(CC-ReID)は、衣服に関係なく、異なる場所や時間にまたがる個人を識別することを目的としている。
既存のメソッドは、しばしば、堅牢で着物に不変な特徴を学ぶために追加のモデルやアノテーションに依存し、リソース集約化されている。
対照的に、ReIDモデルの外観バイアスを軽減するための軽量でアノテーションのないプロキシとして、色(特に前景と背景の色)の利用について検討する。
原画像やビデオフレームから直接色情報を利用するRGBのみの手法であるカラーシー、カラーアイグノア(CSCI)を提案する。
CSCIは、色関連外見バイアス("Color See")を効果的に捉え、ID関連ReID特徴("Color Ignore")と区別する。
これを実現するために,特徴空間内の色と同一性間の情報漏洩を防止する新しい自己注意法であるS2Aセルフアテンションを導入する。
本分析では, 着色特性と着色特性の相関が強く, 着色ラベルが使用できない場合に, 着色が有効であることを示す。
画像とビデオの両方におけるCSCIの有効性を実証し,CC-ReIDデータセット4つの実験を行った。
画像ベースのReIDでは,LTCCではトップ1.9%,PRCCでは5.0%,ビデオベースのReIDではCCVIDでは1.0%,ビデオベースのReIDでは2.5%のベースラインを改善した。
本研究は,CC-ReIDの外観バイアスに対処するためのコスト効率の高いソリューションとして,色の可能性を強調した。
Github:https://github.com/ppriyank/ICCV-CSCI-Person-ReID
関連論文リスト
- Color Space Learning for Cross-Color Person Re-Identification [31.110110147991033]
クロスカラーパーソンReID問題に対するカラー空間学習(CSL)を提案する。
CSLは、イメージレベルカラー拡張とPixelレベルカラートランスフォーメーションの2つのモジュールで、モデルが色に敏感になるようにガイドする。
我々の手法は一貫して最先端の手法を超越している。
論文 参考訳(メタデータ) (2024-05-15T16:26:06Z) - Masked Attribute Description Embedding for Cloth-Changing Person Re-identification [66.53045140286987]
衣服交換者再識別(CC-ReID)は,長期にわたって衣服を交換する者をマッチングすることを目的としている。
CC-ReIDの鍵となる課題は、顔、髪型、体型、歩行など、衣服に依存しない特徴を抽出することである。
CC-ReIDの視覚的外観と属性記述を統一するMasked Attribute Description Embedding (MADE)法を提案する。
論文 参考訳(メタデータ) (2024-01-11T03:47:13Z) - Detecting Recolored Image by Spatial Correlation [60.08643417333974]
画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。
本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。
提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
論文 参考訳(メタデータ) (2022-04-23T01:54:06Z) - Color Invariant Skin Segmentation [17.501659517108884]
本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。
この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。
我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-04-21T05:07:21Z) - Clothes-Changing Person Re-identification with RGB Modality Only [102.44387094119165]
衣料無関係な特徴を元のRGB画像から抽出するために,CAL(Corthes-based Adrial Loss)を提案する。
ビデオには、よりリッチな外観と、適切な時間的パターンをモデル化するために使用できる追加の時間的情報が含まれている。
論文 参考訳(メタデータ) (2022-04-14T11:38:28Z) - CoRe: Color Regression for Multicolor Fashion Garments [80.57724826629176]
本稿では,RGBの正確な値を予測するために,色検出を回帰問題として扱う。
新たに提案したアーキテクチャの洗練のための第2のレグレッションステージも含んでいます。
このアーキテクチャはモジュラーであり、多色衣料のすべての色のRGBを検出するために容易に拡張される。
論文 参考訳(メタデータ) (2020-10-06T16:12:30Z) - Learning Shape Representations for Clothing Variations in Person
Re-Identification [34.559050607889816]
人物再識別(re-ID)は、異なるカメラで撮影された複数の画像に含まれる同一人物のインスタンスを認識することを目的としている。
衣服の色やパターンの影響を受けずに体型特徴表現を生成できる新しい表現学習モデルを提案する。
Case-Netは、相手の学習と特徴の絡み合いを通じて、身体の形にのみ依存するアイデンティティの表現を学習する。
論文 参考訳(メタデータ) (2020-03-16T17:23:50Z)
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。