論文の概要: DynaMix: Generalizable Person Re-identification via Dynamic Relabeling and Mixed Data Sampling

• arxiv url: http://arxiv.org/abs/2511.19067v1
• Date: Mon, 24 Nov 2025 13:01:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.204002
• Title: DynaMix: Generalizable Person Re-identification via Dynamic Relabeling and Mixed Data Sampling
• Title（参考訳）: DynaMix: 動的リラベルと混合データサンプリングによる一般化可能な人物再識別
• Authors: Timur Mamedov, Anton Konushin, Vadim Konushin,
• Abstract要約: 一般化可能な人物識別(Re-ID)は、見えないカメラや環境にまたがって個人を識別することを目的としている。 我々は,手動ラベル付きマルチカメラと大規模擬似ラベル付きシングルカメラデータを効果的に組み合わせたDynaMixを提案する。 一般化可能な人物Re-IDにおいて,DynaMixは最先端の手法よりも一貫して優れていることを示す。
• 参考スコア（独自算出の注目度）: 5.977582457028636
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Generalizable person re-identification (Re-ID) aims to recognize individuals across unseen cameras and environments. While existing methods rely heavily on limited labeled multi-camera data, we propose DynaMix, a novel method that effectively combines manually labeled multi-camera and large-scale pseudo-labeled single-camera data. Unlike prior works, DynaMix dynamically adapts to the structure and noise of the training data through three core components: (1) a Relabeling Module that refines pseudo-labels of single-camera identities on-the-fly; (2) an Efficient Centroids Module that maintains robust identity representations under a large identity space; and (3) a Data Sampling Module that carefully composes mixed data mini-batches to balance learning complexity and intra-batch diversity. All components are specifically designed to operate efficiently at scale, enabling effective training on millions of images and hundreds of thousands of identities. Extensive experiments demonstrate that DynaMix consistently outperforms state-of-the-art methods in generalizable person Re-ID.
• Abstract（参考訳）: 一般化可能な人物識別(Re-ID)は、見えないカメラや環境にまたがって個人を識別することを目的としている。 既存の手法は限定ラベル付きマルチカメラデータに大きく依存しているが,手動ラベル付きマルチカメラと大規模擬似ラベル付きシングルカメラデータを効果的に組み合わせたDynaMixを提案する。 従来の作業とは異なり、DynaMixはトレーニングデータの構造とノイズを、3つのコアコンポーネントを通じて動的に適応する。(1)シングルカメラアイデンティティの擬似ラベルをオンザフライで洗練するリラベルモジュール、(2)大きなアイデンティティ空間下で堅牢なID表現を維持する効率的なCentroidsモジュール、(3)学習複雑性とバッチ内多様性のバランスをとるために、混合データミニバッチを慎重に構成するデータサンプリングモジュール。 すべてのコンポーネントは、大規模に効率的に動作するように設計されており、数百万の画像と数十万のアイデンティティを効果的にトレーニングすることができる。 広範囲にわたる実験により、DynaMixは一般人Re-IDにおける最先端の手法を一貫して上回っていることが示された。

関連論文リスト

• PS-ReID: Advancing Person Re-Identification and Precise Segmentation with Multimodal Retrieval [38.530536338075684]
  人物再識別(ReID)は、セキュリティ監視や刑事捜査などの応用において重要な役割を果たす。 画像とテキストの入力を組み合わせたマルチモーダルモデルであるbf PS-ReIDを提案する。 実験の結果、PS-ReIDは、ReIDとセグメンテーションタスクの両方において、ユニモーダルクエリベースのモデルよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-03-27T15:14:03Z)
• ReMix: Training Generalized Person Re-identification on a Mixture of Data [1.77513002450736]
  ReMixは、限定ラベル付きマルチカメラと大きなラベル付きシングルカメラデータの混合に基づいて、共同で訓練された一般化されたRe-ID手法である。 実験により、ReMixは高度な一般化能力を有し、一般のRe-IDにおいて最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-10-29T10:57:03Z)
• Identity Decoupling for Multi-Subject Personalization of Text-to-Image Models [66.05234562835136]
  マルチオブジェクトパーソナライズを可能にする新しいフレームワークである MuDI を提案する。 本研究の主な目的は,セグメンテーションのための基礎モデルによって生成されたセグメンテーションの活用である。 実験結果から,MuDIは同一性ミキシングを伴わずに高品質なパーソナライズされたイメージを生成できることが示唆された。
  論文  参考訳（メタデータ） (2024-04-05T17:45:22Z)
• Unsupervised Person Re-Identification with Multi-Label Learning Guided Self-Paced Clustering [48.31017226618255]
  近年、未監修者再確認(Re-ID)が注目されています。 本論文では,教師なしのRe-IDを,MLC(Multi-label Learning Guide Self-paced Clustering)と呼ばれる概念的に斬新かつ単純なフレームワークで対処する。 MLCは主に3つの重要なモジュール(マルチスケールネットワーク、マルチラベル学習モジュール、セルフペースクラスタリングモジュール)で識別的特徴を学習する。
  論文  参考訳（メタデータ） (2021-03-08T07:30:13Z)
• Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
  本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。 各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。 カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
  論文  参考訳（メタデータ） (2020-12-19T12:37:04Z)
• 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)
• Towards Precise Intra-camera Supervised Person Re-identification [54.86892428155225]
  人物の再識別(Re-ID)のためのカメラ内監視(ICS)は、アイデンティティラベルが各カメラビュー内に独立してアノテートされていると仮定する。 カメラ間ラベルの欠如により、ICS Re-ID問題は、完全に監督されたラベルよりもはるかに難しい。 われわれの手法は、2つのデータセットで最先端の完全教師付き手法に匹敵する性能を発揮する。
  論文  参考訳（メタデータ） (2020-02-12T11:56:30Z)

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。