Fugu-MT 論文翻訳(概要): NearID: Identity Representation Learning via Near-identity Distractors

論文の概要: NearID: Identity Representation Learning via Near-identity Distractors

arxiv url: http://arxiv.org/abs/2604.01973v1
Date: Thu, 02 Apr 2026 12:33:14 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-03 14:21:10.783294
Title: NearID: Identity Representation Learning via Near-identity Distractors
Title（参考訳）: NearID:Near-Identity Distractorsによるアイデンティティ表現学習
Authors: Aleksandar Cvejic, Rameen Abdal, Abdelrahman Eldesokey, Bernard Ghanem, Peter Wonka,
Abstract要約: 既存のビジョンエンコーダは、オブジェクトのアイデンティティを背景コンテキストと絡み合わせることで、信頼性の低い表現やメトリクスを生み出します。我々は、この脆弱性に対処するための最初の原則付きフレームワークをNear-identity distractorsを使って紹介する。我々は、厳密なマージンベースの評価プロトコルとともに、NearIDデータセット(19KのID、316Kの一致したコンテキストインタプリタ)を提示する。
参考スコア（独自算出の注目度）: 116.71529576796605
License: http://creativecommons.org/licenses/by/4.0/
Abstract: When evaluating identity-focused tasks such as personalized generation and image editing, existing vision encoders entangle object identity with background context, leading to unreliable representations and metrics. We introduce the first principled framework to address this vulnerability using Near-identity (NearID) distractors, where semantically similar but distinct instances are placed on the exact same background as a reference image, eliminating contextual shortcuts and isolating identity as the sole discriminative signal. Based on this principle, we present the NearID dataset (19K identities, 316K matched-context distractors) together with a strict margin-based evaluation protocol. Under this setting, pre-trained encoders perform poorly, achieving Sample Success Rates (SSR), a strict margin-based identity discrimination metric, as low as 30.7% and often ranking distractors above true cross-view matches. We address this by learning identity-aware representations on a frozen backbone using a two-tier contrastive objective enforcing the hierarchy: same identity > NearID distractor > random negative. This improves SSR to 99.2%, enhances part-level discrimination by 28.0%, and yields stronger alignment with human judgments on DreamBench++, a human-aligned benchmark for personalization. Project page: https://gorluxor.github.io/NearID/
Abstract（参考訳）: パーソナライズされた生成や画像編集などのアイデンティティに焦点を当てたタスクを評価する際、既存の視覚エンコーダは背景コンテキストとオブジェクトのアイデンティティを絡み合わせることで、信頼性の低い表現やメトリクスを生み出す。 NearID(NearID)トラクタを用いて、この脆弱性に対処する最初の原則的フレームワークを導入し、セマンティックに類似しているが異なるインスタンスを参照画像と全く同じ背景に配置し、文脈的ショートカットを排除し、唯一の識別信号としてのアイデンティティを分離する。この原理に基づいて、厳密なマージンベースの評価プロトコルとともに、NearIDデータセット(19KのID、316Kのマッチングテキストインタプリタ)を提示する。この条件下では、事前訓練されたエンコーダは、厳密なマージンベースの識別基準であるSSR(Sampple Success Rates)を30.7%以下で達成し、真のクロスビュー試合よりも邪魔者をランク付けする。我々は, 階層構造を強制する2階層のコントラスト目標を用いて, 凍結したバックボーン上のID認識表現を学習することにより, この問題に対処する: 同一のID > NearID イントラクタ > ランダムな負。これはSSRを99.2%に改善し、部分レベルの差別を28.0%向上させ、パーソナライズのための人間対応のベンチマークであるDreamBench++上での人間の判断とより強く一致させる。プロジェクトページ: https://gorluxor.github.io/NearID/

関連論文リスト

Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2025-10-28T09:28:12Z)
When Person Re-Identification Meets Event Camera: A Benchmark Dataset and An Attribute-guided Re-Identification Framework [48.16640931718528]
本稿では,大規模なRGB-eventベースの人物ReIDデータセットであるEvReIDを紹介する。データセットには118,988枚の画像ペアが含まれ、1200人の歩行者の身元をカバーし、複数の季節、シーン、照明条件のデータを収集している。また、15の最先端のReIDアルゴリズムを評価し、データとベンチマークの両方の観点から将来の研究の基盤を構築します。
論文参考訳（メタデータ） (2025-07-18T05:04:59Z)
From Poses to Identity: Training-Free Person Re-Identification via Feature Centralization [9.614305363044737]
人物再識別(ReID)は、正確な識別表現の特徴を抽出することを目的としている。個人ノイズを低減するための訓練自由特徴集中型ReIDフレームワーク(Pose2ID)を提案する。提案手法は, 標準, クロスモダリティ, 隠蔽されたReIDタスクにまたがって, 最先端の新たな結果を設定する。
論文参考訳（メタデータ） (2025-03-02T15:31:48Z)
Disentangled Representations for Short-Term and Long-Term Person Re-Identification [33.76874948187976]
アイデンティティシャッフルGAN(Identity shuffle GAN:IS-GAN)と呼ばれる新たな生成対向ネットワークを提案する。それは、アイデンティティシャッフル技術によって、個人画像からアイデンティティ関連および非関連の特徴を解き放つ。実験により,IS-GANの有効性が検証され,標準reIDベンチマークにおける最先端性能が示された。
論文参考訳（メタデータ） (2024-09-09T02:09:49Z)
Keypoint Promptable Re-Identification [76.31113049256375]
Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
論文参考訳（メタデータ） (2024-07-25T15:20:58Z)
Disentangle Before Anonymize: A Two-stage Framework for Attribute-preserved and Occlusion-robust De-identification [55.741525129613535]
匿名化前の混乱」は、新しい二段階フレームワーク(DBAF)であるこのフレームワークには、Contrastive Identity Disentanglement (CID)モジュールとKey-authorized Reversible Identity Anonymization (KRIA)モジュールが含まれている。大規模な実験により,本手法は最先端の非識別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） (2023-11-15T08:59:02Z)
Learning Invariance from Generated Variance for Unsupervised Person Re-identification [15.096776375794356]
従来のデータ拡張をGAN(Generative Adversarial Network)に置き換えることを提案する。 3次元メッシュガイド型人物画像生成器は、人物画像をID関連およびID非関連の特徴に分解するために提案される。生成モジュールとコントラストモジュールを共同でトレーニングすることにより、主流の大規模ベンチマーク上で、最先端の非教師なしのReID性能を実現する。
論文参考訳（メタデータ） (2023-01-02T15:40:14Z)
Unsupervised Pretraining for Object Detection by Patch Reidentification [72.75287435882798]
教師なし表現学習は、オブジェクトディテクタの事前トレーニング表現で有望なパフォーマンスを実現します。本研究では,オブジェクト検出のための簡易かつ効果的な表現学習手法であるパッチ再識別(Re-ID)を提案する。私たちの方法は、トレーニングの反復やデータパーセンテージなど、すべての設定でCOCOの同等を大幅に上回ります。
論文参考訳（メタデータ） (2021-03-08T15:13:59Z)

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。