論文の概要: Temporal Prototyping and Hierarchical Alignment for Unsupervised Video-based Visible-Infrared Person Re-Identification

• arxiv url: http://arxiv.org/abs/2604.21324v1
• Date: Thu, 23 Apr 2026 06:26:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.333985
• Title: Temporal Prototyping and Hierarchical Alignment for Unsupervised Video-based Visible-Infrared Person Re-Identification
• Title（参考訳）: 教師なし映像に基づく可視赤外人物再同定のための時間的プロトタイピングと階層的アライメント
• Authors: Zhiyong Li, Wei Jiang, Haojie Liu, Mingyu Wang, Wanchong Xu, Weijie Mao,
• Abstract要約: Visible-infrared person re-identification (VI-ReID)は、全日監視のための相互モダリティ識別マッチングを可能にする。 ビデオベースのVI-ReIDが最近登場し、時間的ダイナミクスを活用して堅牢性を改善している。 教師なしビデオベースのVI-ReIDのためのプロトタイプ駆動フレームワークであるHiTProを提案する。
• 参考スコア（独自算出の注目度）: 8.813015264058574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visible-infrared person re-identification (VI-ReID) enables cross-modality identity matching for all-day surveillance, yet existing methods predominantly focus on the image level or rely heavily on costly identity annotations. While video-based VI-ReID has recently emerged to exploit temporal dynamics for improved robustness, existing studies remain limited to supervised settings. Crucially, the unsupervised video VI-ReID problem, where models must learn from RGB and infrared tracklets without identity labels, remains largely unexplored despite its practical importance in real-world deployment. To bridge this gap, we propose HiTPro (Hierarchical Temporal Prototyping), a prototype-driven framework without explicit hard pseudo-label assignment for unsupervised video-based VI-ReID. HiTPro begins with an efficient Temporal-aware Feature Encoder that first extracts discriminative frame-level features and then aggregates them into a robust tracklet-level representation. Building upon these features, HiTPro first constructs reliable intra-camera prototypes via Intra-Camera Tracklet Prototyping by aggregating features from temporally partitioned sub-tracklets. Through Hierarchical Cross-Prototype Alignment, we perform a two-stage positive mining process: progressing from within-modality associations to cross-modality matching, enhanced by Dynamic Threshold Strategy and Soft Weight Assignment. Finally, {Hierarchical Contrastive Learning} progressively optimizes feature-prototype alignment across three levels: intra-camera discrimination, cross-camera same-modality consistency, and cross-modality invariance. Extensive experiments on HITSZ-VCM and BUPTCampus demonstrate that HiTPro achieves state-of-the-art performance under fully unsupervised settings, significantly outperforming adapted baselines and establishes a strong baseline for future research.
• Abstract（参考訳）: Visible-infrared person re-identification (VI-ReID)は、全日監視のための相互モダリティIDマッチングを可能にするが、既存の手法は主に画像レベルにフォーカスするか、高価なアイデンティティアノテーションに大きく依存する。 ビデオベースのVI-ReIDは、時間的ダイナミクスを利用して堅牢性を向上させるために最近登場したが、既存の研究は教師付き設定に限られている。 重要なことに、教師なしビデオVI-ReID問題では、モデルがRGBや赤外線トラッカーからIDラベルなしで学ぶ必要があるが、実際の展開において実際に重要であるにもかかわらず、ほとんど探索されていない。 このギャップを埋めるために、教師なしビデオベースのVI-ReIDに対して、明示的な擬似ラベルを割り当てることなくプロトタイプ駆動のフレームワークであるHiTPro(Hierarchical Temporal Prototyping)を提案する。 HiTProは、まず差別的なフレームレベルの特徴を抽出し、それらを堅牢なトラックレットレベルの表現に集約する効率的な時間認識機能エンコーダから始まる。 これらの機能に基づいて、HiTProはまず、時間的に分割されたサブトラックレットの機能を集約することで、カメラ内トラックレットプロトタイピングを通じて、信頼できるカメラ内プロトタイプを構築する。 階層的クロスプロトタイプアライメントを通じて、我々は2段階の正の鉱業プロセスを行い、動的閾値戦略とソフトウェイトアサインメントによって強化された、モダリティ内連合からモダリティ間マッチングへと進展する。 最後に、階層的コントラスト学習(Hierarchical Contrastive Learning)は、カメラ内識別(intra-camera discrimination)、カメラ間同モード一貫性(cross-camera same-modality consistency)、および相互モダリティ不変(cross-modality invariance)という3つのレベルにまたがる特徴-プロトタイプアライメントを段階的に最適化する。 HITSZ-VCMとBUPTCampusの広範囲にわたる実験により、HiTProは、完全に教師されていない設定下で最先端の性能を達成し、適応されたベースラインを大幅に上回り、将来の研究の強力なベースラインを確立することが実証された。

関連論文リスト

• Causal Bootstrapped Alignment for Unsupervised Video-Based Visible-Infrared Person Re-Identification [52.784239635604735]
  VVI-ReIDは、静止画像以外にも時間情報が付加的な手がかりを提供する、全日監視のための重要な技術である。 既存のアプローチは、高価なクロスモダリティアノテーションによる完全な教師付き学習に大きく依存しており、スケーラビリティが制限されています。 そこで,本研究では,ビデオの先行を明示的に活用するCausal Bootstrapped Alignmentフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-17T02:15:59Z)
• COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
  C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。 TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
  論文  参考訳（メタデータ） (2026-03-25T07:20:27Z)
• X-ReID: Multi-granularity Information Interaction for Video-Based Visible-Infrared Person Re-Identification [79.37768038337971]
  本稿では,VVI-ReIDのためのX-ReIDという新しいクロスモーダル特徴学習フレームワークを提案する。 具体的には、まずクロスモダリティプロトタイプコラボレーション(CPC)を提案する。 次に, 隣接フレームからの短期的相互作用, 長期的クロスフレーム情報融合, クロスモダリティ特徴アライメントを組み込んだMII(Multi-granularity Information Interaction)を設計する。
  論文  参考訳（メタデータ） (2025-11-22T07:57:15Z)
• Seeing Across Time and Views: Multi-Temporal Cross-View Learning for Robust Video Person Re-Identification [1.4270165633706586]
  クロスビュー領域におけるビデオベースの人物再識別(ReID)は依然として未解決の問題である。 ViT-B/16バックボーン上に7つの相補的なモジュールを導入するパラメータ効率のフレームワークであるMTF-CVReIDを提案する。 我々は,MTF-CVReIDがリアルタイム効率(189FPS)を維持し,AG-VPReIDベンチマークの最先端性能を実現していることを示す。
  論文  参考訳（メタデータ） (2025-11-04T13:37:59Z)
• AG-VPReID.VIR: Bridging Aerial and Ground Platforms for Video-based Visible-Infrared Person Re-ID [36.00219379027019]
  我々は,最初の空対地ビデオベース人物Re-IDデータセットであるAG-VPReID.VIRを提示する。 このデータセットは、4,861個のトラックレット(124,855フレーム)にまたがる1,837個のアイデンティティを、UAV搭載と固定CCTVカメラの両方をRGBおよび赤外線モダリティでキャプチャする。 提案手法は, 空間的視点とRGB-IRモダリティの領域ギャップを, スタイルロバストな特徴学習, メモリベース・クロスビュー適応, 中間誘導時間モデルにより埋める。
  論文  参考訳（メタデータ） (2025-07-24T00:13:25Z)
• Betrayed by Attention: A Simple yet Effective Approach for Self-supervised Video Object Segmentation [76.68301884987348]
  自己教師型ビデオオブジェクトセグメンテーション(VOS)のための簡易かつ効果的なアプローチを提案する。 我々の重要な洞察は、DINO-pretrained Transformerに存在する構造的依存関係を利用して、ビデオ内の堅牢な時間分割対応を確立することである。 提案手法は,複数の教師なしVOSベンチマークにまたがる最先端性能を実証し,複雑な実世界のマルチオブジェクトビデオセグメンテーションタスクに優れることを示す。
  論文  参考訳（メタデータ） (2023-11-29T18:47:17Z)

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。