論文の概要: Towards Resolving Optimization Conflicts Between Image- and Text-Based Person Re-Identification
- arxiv url: http://arxiv.org/abs/2606.02242v1
- Date: Mon, 01 Jun 2026 13:37:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:32.110175
- Title: Towards Resolving Optimization Conflicts Between Image- and Text-Based Person Re-Identification
- Title（参考訳）: 画像とテキストによる人物再識別の最適化問題解決に向けて
- Authors: Karina Kvanchiani, Timur Mamedov,
- Abstract要約: 画像ベース(I2I)とテキストベース(T2I)の人物再識別(ReID)は、モダリティの相違や訓練目標の相反によって妨げられる。
本稿では,2つのReIDタスクとその最適化プロセスの基本的な違いについて検討する。
画像とテキストのモダリティ間で共有表現を学習するための分離された2段階学習パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 0.20291719839434952
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The joint optimization of image-based (I2I) and text-based (T2I) person re-identification (ReID) is hindered by modality discrepancies and conflicting training objectives, leading to suboptimal shared representations. While I2I ReID focuses on identity-level invariance across images of the same person, T2I ReID is driven by instance-specific textual descriptions tied to unique visual traits. This paper explores the fundamental difference between two ReID tasks and their optimization processes for effective training. Since I2I and T2I ReID are often studied separately, the loss functions optimized for one retrieval setting may negatively affect the representation quality required by the other. Motivated by these findings, we propose a decoupled two-stage training pipeline for learning a shared representation across image and text modalities. The pipeline is based on a single vision encoder that supports both I2I and T2I retrieval while avoiding cross-task interference during training. We provide extensive experiments across multiple configurations, varying domain mixing procedures, learning strategies, and task objectives. We observed that I2I ReID pre-training positively impacts the generalization ability to T2I data. Besides, we find that incorporating textual supervision during the vision encoder training stage enhances both I2I and T2I performance. We believe our insights provide a meaningful step toward unified ReID systems and cross-modal retrieval overall.
- Abstract（参考訳）: The joint optimization of image-based (I2I) and text-based (T2I) person re-identification (ReID) isandered by modality discrepancies and conflicting training objectives, led to subtimal shared representations。
I2I ReIDは同一人物の画像間のアイデンティティレベルの不変性に焦点を当てているが、T2I ReIDはユニークな視覚的特徴に結びついたインスタンス固有のテキスト記述によって駆動される。
本稿では,2つのReIDタスクとその最適化プロセスの基本的な違いについて検討する。
I2IとT2I ReIDは別々に研究されることが多いため、一方の検索設定に最適化された損失関数は他方が必要とする表現品質に悪影響を及ぼす可能性がある。
これらの知見に触発され、画像とテキストのモダリティ間で共有表現を学習するための分離された2段階学習パイプラインを提案する。
パイプラインは、トレーニング中のクロスタスク干渉を避けながら、I2IとT2I検索の両方をサポートする単一の視覚エンコーダに基づいている。
複数の構成、異なるドメイン混合手順、学習戦略、タスク目標に関する広範な実験を提供する。
We observed that I2I ReID pre-training on the generalization ability to T2I data。
さらに、視覚エンコーダ訓練段階におけるテキスト・インスペクションの導入により、I2IとT2Iの両方のパフォーマンスが向上することが判明した。
当社の洞察は、統合されたReIDシステムと総合的なモーダル検索に向けた重要な一歩となると信じています。
関連論文リスト
- WISER: Wider Search, Deeper Thinking, and Adaptive Fusion for Training-Free Zero-Shot Composed Image Retrieval [36.577766022251446]
ZS-CIRは、マルチモーダルクエリがアノテートされたトリプレットをトレーニングすることなく、ターゲット画像を取得することを目的としている。
我々は,T2IとI2Iを"検索-検証-精細化"パイプラインを介して統合する,トレーニング不要のフレームワークであるWISERを提案する。
論文 参考訳（メタデータ） (2026-02-26T14:11:10Z) - Unified Text-Image Generation with Weakness-Targeted Post-Training [57.956648078400775]
テキストと画像を共同で生成する統一マルチモーダル生成アーキテクチャは、最近、テキスト・ツー・イメージ(T2I)合成の有望な方向として登場した。
この研究は、モデルがテキスト推論から視覚合成へ自律的に遷移する、完全に統一されたテキスト画像生成を実現するためのポストトレーニングを探求する。
論文 参考訳（メタデータ） (2026-01-07T19:19:44Z) - Hierarchical Prompt Learning for Image- and Text-Based Person Re-Identification [25.3625307168105]
人物再識別 (ReID) は、視覚的クエリ (image-to-image, I2I) とテキスト記述 (text-to-image, T2I) のいずれかを対象とする歩行者画像の検索を目的とする。
論文 参考訳（メタデータ） (2025-11-17T16:39:49Z) - Describe-to-Score: Text-Guided Efficient Image Complexity Assessment [5.744778242421451]
コンピュータビジョンにおいて、画像複雑性(IC)の正確な評価が重要である。
ICモデリングのための視覚テキスト融合を導入する。
本稿では,事前学習された視覚言語モデルを用いて画像キャプションを生成するD2S(Describe-to-Score)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-20T10:17:25Z) - ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning [57.91881829308395]
AIポートレートや広告といった幅広いアプリケーションシナリオのために、ID-T2I(ID-preserving text-to-image generation)が注目されている。
我々は,ID-T2I性能を向上させるための一般的なフィードバック学習フレームワークである textbfID-Aligner を提案する。
論文 参考訳（メタデータ） (2024-04-23T18:41:56Z) - S2-Net: Self-supervision Guided Feature Representation Learning for
Cross-Modality Images [0.0]
モダリティ間の画像ペアは、通信の特徴表現を可能な限り近いものにするのに失敗することが多い。
本稿では,最近成功した検出・記述パイプラインに基づいて,モーダリティ間特徴表現学習ネットワークであるS2-Netを設計する。
本稿では,自己教師型学習とよく設計された損失関数を導入し,本来の利点を捨てることなくトレーニングを指導する。
論文 参考訳（メタデータ） (2022-03-28T08:47:49Z) - Learning to Relate Depth and Semantics for Unsupervised Domain
Adaptation [87.1188556802942]
教師なしドメイン適応(UDA)設定において,視覚的タスク関係を符号化してモデル性能を向上させる手法を提案する。
本稿では,意味的および深さ的予測のタスク依存性を符号化する新しいクロスタスク関係層(ctrl)を提案する。
さらに、セマンティック擬似ラベルを利用してターゲットドメインを監督する反復自己学習(ISL)トレーニングスキームを提案する。
論文 参考訳（メタデータ） (2021-05-17T13:42:09Z) - 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) - 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) - Scene Text Synthesis for Efficient and Effective Deep Network Training [62.631176120557136]
我々は,背景画像に前景オブジェクトを埋め込むことで,注釈付き訓練画像を構成する革新的な画像合成技術を開発した。
提案手法は,ディープネットワークトレーニングにおける合成画像の有用性を高める2つの重要な要素から構成される。
複数の公開データセットに対する実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2019-01-26T10:15:24Z)
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。