論文の概要: What really matters for person re-identification? A Mixture-of-Experts Framework for Semantic Attribute Importance

• arxiv url: http://arxiv.org/abs/2512.08697v1
• Date: Tue, 09 Dec 2025 15:14:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:08.014657
• Title: What really matters for person re-identification? A Mixture-of-Experts Framework for Semantic Attribute Importance
• Title（参考訳）: 人の再識別にとって本当に重要なことは何か? 意味的属性の重要性を考慮に入れたMixture-of-Expertsフレームワーク
• Authors: Athena Psalta, Vasileios Tsironis, Konstantinos Karantzalos,
• Abstract要約: MoSAIC-ReIDはMixture-of-Expertsフレームワークであり、歩行者属性の重要性を体系的に定量化する。 提案手法では, 一つの属性にリンクしたLoRAベースのエキスパートと, 制御属性解析が可能なオラクルルータを用いる。
• 参考スコア（独自算出の注目度）: 3.1485041255193784
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: State-of-the-art person re-identification methods achieve impressive accuracy but remain largely opaque, leaving open the question: which high-level semantic attributes do these models actually rely on? We propose MoSAIC-ReID, a Mixture-of-Experts framework that systematically quantifies the importance of pedestrian attributes for re-identification. Our approach uses LoRA-based experts, each linked to a single attribute, and an oracle router that enables controlled attribution analysis. While MoSAIC-ReID achieves competitive performance on Market-1501 and DukeMTMC under the assumption that attribute annotations are available at test time, its primary value lies in providing a large-scale, quantitative study of attribute importance across intrinsic and extrinsic cues. Using generalized linear models, statistical tests, and feature-importance analyses, we reveal which attributes, such as clothing colors and intrinsic characteristics, contribute most strongly, while infrequent cues (e.g. accessories) have limited effect. This work offers a principled framework for interpretable ReID and highlights the requirements for integrating explicit semantic knowledge in practice. Code is available at https://github.com/psaltaath/MoSAIC-ReID
• Abstract（参考訳）: 最先端の人物再識別手法は印象的な精度を達成するが、大部分は不透明であり、疑問は残る:これらのモデルが実際に依存している高レベルなセマンティック属性はどのモデルに依存しているのか? 我々は,歩行者属性の重要度を体系的に定量化するMixture-of-ExpertsフレームワークであるMoSAIC-ReIDを提案する。 提案手法では, 一つの属性にリンクしたLoRAベースのエキスパートと, 制御属性解析が可能なオラクルルータを用いる。 MoSAIC-ReID は Market-1501 と DukeMTMC において,属性アノテーションがテスト時に利用可能であるという前提の下での競争性能を達成する一方で,その主な価値は,本質的および外生的キュー間の属性重要度を大規模かつ定量的に研究することにある。 一般線形モデル,統計検査,特徴重要度分析を用いて,衣服の色や内在特性などの属性が最も強く寄与する一方,頻度の低いキュー(egアクセサリー)は限定的な効果を示した。 この作業は、ReIDを解釈するための原則化されたフレームワークを提供し、実際に明示的なセマンティック知識を統合するための要件を強調します。 コードはhttps://github.com/psaltaath/MoSAIC-ReIDで入手できる。

関連論文リスト

• What Makes You Unique? Attribute Prompt Composition for Object Re-Identification [70.67907354506278]
  Object Re-IDentificationは、重複しないカメラビューで個人を認識することを目的としている。 単一ドメインモデルはドメイン固有の機能に過度に適合する傾向がありますが、クロスドメインモデルは多種多様な正規化戦略に依存します。 本稿では,テキストのセマンティクスを利用して識別と一般化を協調的に強化する属性プロンプト合成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-23T07:03:08Z)
• A Quantitative Evaluation of the Expressivity of BMI, Pose and Gender in Body Embeddings for Recognition and Identification [56.10719736365069]
  我々は,学習した特徴と特定の属性の相互情報として定義された表現性の概念を拡張し,属性のエンコード方法の定量化を行う。 その結果,BMIは最終層において高い表現性を示し,認識におけるその支配的な役割を示していることがわかった。 これらの結果は,ReIDにおける身体属性の中心的役割を示し,属性駆動相関を明らかにするための原則的アプローチを確立した。
  論文  参考訳（メタデータ） (2025-03-09T05:15:54Z)
• Enhancing Attributed Graph Networks with Alignment and Uniformity Constraints for Session-based Recommendation [18.318271141864297]
  セッションベースの勧告(SBR)は、匿名セッションに基づいてユーザの次のアクションを予測する。 ほとんどのSBRモデルは、アイテム表現を学ぶために短いセッションでコンテキスト遷移に依存する。 本稿では,AttrGAUというモデルに依存しないフレームワークを提案し,既存の属性に依存しないモデルにアイテム属性のモデリングの優位性をもたらす。
  論文  参考訳（メタデータ） (2024-10-14T08:49:11Z)
• Exploring Fine-Grained Representation and Recomposition for Cloth-Changing Person Re-Identification [78.52704557647438]
  補助的なアノテーションやデータなしに両方の制約に対処するために,新しいFIne-fine Representation and Recomposition (FIRe$2$) フレームワークを提案する。 FIRe$2$は、広く使われている5つのRe-IDベンチマークで最先端のパフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2023-08-21T12:59:48Z)
• A Solution to Co-occurrence Bias: Attributes Disentanglement via Mutual Information Minimization for Pedestrian Attribute Recognition [10.821982414387525]
  そこで本研究では,現在の手法が,データセット分布のシーンやアイデンティティに適合する属性の相互依存性の一般化に実際に苦慮していることを示す。 現実的な場面で頑健なモデルをレンダリングするために,属性不整形特徴学習を提案し,属性の認識が他者の存在に依存しないことを保証する。
  論文  参考訳（メタデータ） (2023-07-28T01:34:55Z)
• Attribute-Consistent Knowledge Graph Representation Learning for Multi-Modal Entity Alignment [14.658282035561792]
  MMEA(ACK-MMEA)のための属性一貫性のある知識グラフ表現学習フレームワークを提案する。 当社のアプローチは、競合他社と比較して優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-04-04T06:39:36Z)
• AttriMeter: An Attribute-guided Metric Interpreter for Person Re-Identification [100.3112429685558]
  Person ReIDシステムは、2人とのマッチング時にのみ距離や類似性を提供します。 CNN ベースの ReID モデルの結果を意味的に,定量的に説明する Attribute-Guided Metric Interpreter を提案する。
  論文  参考訳（メタデータ） (2021-03-02T03:37:48Z)

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。