論文の概要: Looking Alike From Far to Near: Enhancing Cross-Resolution Re-Identification via Feature Vector Panning

• arxiv url: http://arxiv.org/abs/2510.00936v1
• Date: Wed, 01 Oct 2025 14:15:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.60365
• Title: Looking Alike From Far to Near: Enhancing Cross-Resolution Re-Identification via Feature Vector Panning
• Title（参考訳）: 遠くから近くへ:特徴ベクトルパニングによるクロスリゾリューション再同定の強化
• Authors: Zanwu Liu, Chao Yuan, Bo Li, Xiaowei Zhang, Guanglin Niu,
• Abstract要約: クロスリゾリューションReID(CR-ReID)法は、特徴補償のための超解像(SR)や共同学習に依存している。 単語埋め込み空間のセマンティックな方向から着想を得た結果,ReIDの特徴空間にも,解決の相違を意味するセマンティックな方向が現れることが実証的に明らかになった。 本稿では,新しい視点からCR-ReIDを実行する軽量で効果的なベクトルパニング機能アライメント(VPFA)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 14.89776496894534
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In surveillance scenarios, varying camera distances cause significant differences among pedestrian image resolutions, making it hard to match low-resolution (LR) images with high-resolution (HR) counterparts, limiting the performance of Re-Identification (ReID) tasks. Most existing Cross-Resolution ReID (CR-ReID) methods rely on super-resolution (SR) or joint learning for feature compensation, which increases training and inference complexity and has reached a performance bottleneck in recent studies. Inspired by semantic directions in the word embedding space, we empirically discover that semantic directions implying resolution differences also emerge in the feature space of ReID, and we substantiate this finding from a statistical perspective using Canonical Correlation Analysis and Pearson Correlation Analysis. Based on this interesting finding, we propose a lightweight and effective Vector Panning Feature Alignment (VPFA) framework, which conducts CR-ReID from a novel perspective of modeling the resolution-specific feature discrepancy. Extensive experimental results on multiple CR-ReID benchmarks show that our method significantly outperforms previous state-of-the-art baseline models while obtaining higher efficiency, demonstrating the effectiveness and superiority of our model based on the new finding in this paper.
• Abstract（参考訳）: 監視シナリオでは、様々なカメラ距離が歩行者画像の解像度に大きな違いをもたらし、低解像度(LR)画像と高解像度(HR)画像とのマッチングが困難になり、再識別(ReID)タスクの性能が制限される。 既存のCR-ReID法の多くは、特徴補償のための超解像(SR)や共同学習に依存しており、これは訓練と推論の複雑さを増大させ、近年の研究では性能ボトルネックに到達している。 単語埋め込み空間のセマンティックな方向から着想を得た結果,ReIDの特徴空間にも解決の相違を示唆する意味的な方向が現れることが実証的に明らかとなり,カノニカル相関解析とピアソン相関解析を用いて統計的視点から検証された。 この興味深い発見に基づいて,分解能特異的な特徴差をモデル化する新しい視点からCR-ReIDを実行する,軽量で効果的なベクトルパニング・フィーチャーアライメント(VPFA)フレームワークを提案する。 複数のCR-ReIDベンチマークによる総合的な実験結果から,提案手法は従来の最先端ベースラインモデルよりも高い効率性を示し,本論文の新たな知見に基づくモデルの有効性と優位性を示す。

関連論文リスト

• Controllable Reference Guided Diffusion with Local Global Fusion for Real World Remote Sensing Image Super Resolution [9.658727475375565]
  超解像技術は、リモートセンシング画像の空間分解能を高め、より効率的な大規模な地球観測アプリケーションを可能にする。 既存のRefSR手法は、クロスセンサーの解像度ギャップや重要な土地被覆の変化など、現実世界の複雑さに苦しむ。 実世界リモートセンシング画像SRのための新しい制御可能な参照誘導拡散モデルであるCRefDiffを提案する。
  論文  参考訳（メタデータ） (2025-06-30T12:45:28Z)
• Dive into the Resolution Augmentations and Metrics in Low Resolution Face Recognition: A Plain yet Effective New Baseline [33.82038623492457]
  我々は高分解能(HR)ドメインと低分解能(LR)ドメインの間の大きなドメインギャップに対処する。 より効果的なマルチリゾリューション拡張と,LogExp距離関数に基づく新しいメトリクス損失を提案する。 提案手法は,画像の広い解像度範囲でより一般的な知識を学習することができ,バランスのとれた結果が,我々のフレームワークによって達成できる。
  論文  参考訳（メタデータ） (2023-02-11T07:31:47Z)
• RRSR:Reciprocal Reference-based Image Super-Resolution with Progressive Feature Alignment and Selection [66.08293086254851]
  本稿では,RefSRネットワークの学習を強化するための相互学習フレームワークを提案する。 新たに提案したモジュールは,マルチスケールの特徴空間に参照入力画像をアライメントし,参照認識機能の選択を行う。 我々は,最近のRefSRモデルが相互学習パラダイムによって一貫した改善が可能であることを実証的に示す。
  論文  参考訳（メタデータ） (2022-11-08T12:39:35Z)
• Learning Resolution-Adaptive Representations for Cross-Resolution Person Re-Identification [49.57112924976762]
  低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。 実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。 本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
  論文  参考訳（メタデータ） (2022-07-09T03:49:51Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Robust Reference-based Super-Resolution via C2-Matching [77.51610726936657]
  超解像(Ref-SR)は、最近、高分解能(HR)参照画像を導入して、低分解能(LR)入力画像を強化するための有望なパラダイムとして登場した。 既存のRef-SR法は主に暗黙の対応に頼り、参照画像からHRテクスチャを借用し、入力画像の情報損失を補う。 本稿では,C2-Matchingを提案する。
  論文  参考訳（メタデータ） (2021-06-03T16:40:36Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Cross-Resolution Adversarial Dual Network for Person Re-Identification and Beyond [59.149653740463435]
  人物再識別(re-ID)は、同一人物の画像をカメラビューでマッチングすることを目的としている。 カメラと関心のある人の距離が異なるため、解像度ミスマッチが期待できる。 本稿では,クロスレゾリューションな人物のリIDに対処する新たな生成的対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T07:21:38Z)

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。