論文の概要: SCORE: SubDistribution-aware Collaborative Knowledge Reinforcing for Cloth-Hybrid Lifelong Person Re-Identification

• arxiv url: http://arxiv.org/abs/2609.12577v1
• Date: Fri, 11 Sep 2026 08:28:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.681252
• Title: SCORE: SubDistribution-aware Collaborative Knowledge Reinforcing for Cloth-Hybrid Lifelong Person Re-Identification
• Title（参考訳）: SCORE:クロスハイブリドの生涯人物再同定のためのサブディストリビューションを意識した協調的知識強化
• Abstract要約: 本稿では,布の一貫性と布の変化を両立させるために,サブディストリビューションを意識したコラボレーティブ・ナレッジ強化(SCORE)フレームワークを提案する。 アダプティブサブディストリビューション・モデリング(Adaptive SubDistribution Modeling)機構が開発され、分散サブプロトタイプのセットが各IDに割り当てられる。 従来の分布型サブプロトタイプの知識を新しいサブプロトタイプに保持する分散知識強化スキームが導入された。
• 参考スコア（独自算出の注目度）: 49.1163250549867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lifelong Person Re-Identification (LReID) aims to train a unified person retrieval model from a non-stationary data stream. Existing LReID methods mainly focus on scenarios where the clothing of each person is consistent. Recently, the Cloth-Hybrid LReID (CH-LReID) where cloth-consistent and cloth-changing data alternately occur, has emerged as a more practical and challenging scenario. Due to the conflict between clothing-relevant and clothing-irrelevant knowledge, the well-known catastrophic forgetting problem is significantly exacerbated in this task. To address this issue, we propose a SubDistribution-aware COllaborative Knowledge REinforcing (SCORE) framework, where our key idea is explicitly modeling the intra-identity diversity to continually consolidate distinct cloth-consistent and cloth-changing knowledge. Specifically, an Adaptive SubDistribution Modeling mechanism is developed, where a set of distributional subprototypes is assigned to each identity to capture the intra-identity diversity, improving the compatibility between cloth-consistent and cloth-changing knowledge. Then, a Distributional Knowledge Reinforcement scheme is introduced, where the knowledge of old distributional subprototypes is retained in the new ones by a collaborative aligning mechanism. Extensive experiments show that our SCORE achieves the state-of-the-art performance. Our code is available at https://github.com/zhoujiahuan1991/ECCV2026-SCORE
• Abstract（参考訳）: Lifelong Person Re-Identification (LReID) は、非定常データストリームから統一された人物検索モデルを訓練することを目的としている。 既存のLReID手法は主に、各人の衣服が一貫したシナリオに焦点を当てている。 近年,布と布を交互に交換するCros-Hybrid LReID (CH-LReID) が,より実用的で困難なシナリオとして出現している。 衣服関連知識と衣服関連知識の対立により、この課題において有名な破滅的な忘れの問題が著しく悪化している。 この問題に対処するために、サブディストリビューション対応のコラボレーティブ・ナレッジ強化(SCORE)フレームワークを提案する。 具体的には, 適応サブディストリビューションモデリング機構を開発し, 分布サブプロトタイプの集合を各アイデンティティに割り当て, 同一性内多様性を捉え, 布の一貫性と布の交換知識の整合性を向上させる。 次に,従来の分布型サブプロトタイプの知識を協調的整合機構によって新しいものに保持する分散知識強化方式を導入する。 我々のSCOREは最先端の性能を達成することを実証した。 私たちのコードはhttps://github.com/zhoujiahuan 1991/ECCV2026-SCOREで公開されています。

関連論文リスト

• CMCC-ReID: Cross-Modality Clothing-Change Person Re-Identification [50.132682245344284]
  CMCC-ReID(Cross-Modality Clothing-Change Re-Identification)は、モダリティと衣服の両方のバリエーションにまたがる歩行者を対象とする。 本稿では,衣服の多様性とモダリティの相違を段階的に緩和する,プログレッシブ・アイデンティティ・アライメント・ネットワーク(PIA)を提案する。 PIAはこの新しいタスクの強力なベースラインを確立し、既存の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-03T07:19:30Z)
• The Best of the Two Worlds: Harmonizing Semantic and Hash IDs for Sequential Recommendation [51.62815306481903]
  我々は,SIDとHIDを調和させる新しいフレームワークであるtextbfnameを提案する。具体的には,HIDのユニークなコラボレーティブアイデンティティを保ちながら,SID内のマルチグラニュラーセマンティクスの両方をキャプチャ可能な,デュアルブランチモデリングアーキテクチャを考案する。 実世界の3つのデータセットの実験では、名前は、既存のベースラインを越えながら、頭と尾の両方の推奨品質のバランスをとる。
  論文  参考訳（メタデータ） (2025-12-11T07:50:53Z)
• Identity Clue Refinement and Enhancement for Visible-Infrared Person Re-Identification [20.544872117860915]
  Visible-Infrared Person Re-Identification (VI-ReID) は、重要なモダリティの相違による、異種間マッチングの課題である。 本稿では,モダリティ固有の属性に固有の暗黙的な識別的知識をマイニングし,活用するために,ICRE(Identity Clue Refinement and Enhancement)ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-12-04T07:13:38Z)
• CKDA: Cross-modality Knowledge Disentanglement and Alignment for Visible-Infrared Lifelong Person Re-identification [77.07028925223383]
  生涯にわたる人物再識別は、異なるシナリオから継続的に収集された個々のデータを同一人物と一致させることを目的としている。 日夜の連続した日中マッチングを実現するために、Visible-Infrared Lifelong person Re-IDentification (VI-LReID) は、可視および赤外線モダリティからのデータのシーケンシャルトレーニングに重点を置いている。 既存の方法は、伝統的知識の破滅的な忘れを和らげるために、クロスモーダルな知識蒸留を利用するのが一般的である。
  論文  参考訳（メタデータ） (2025-11-19T01:30:29Z)
• Distribution-aware Forgetting Compensation for Exemplar-Free Lifelong Person Re-identification [13.883869481902744]
  生涯人物再識別(LReID)は、新しい情報に適応しながら、古い知識を保存する上で重要な課題である。 既存のソリューションには、この課題に対処するためのリハーサルベースおよびリハーサルフリーメソッドが含まれる。 本稿では,クロスドメイン共有表現学習とドメイン固有分布統合を探求する分散適応モデルを提案する。
  論文  参考訳（メタデータ） (2025-04-21T11:53:43Z)
• Identity-aware Feature Decoupling Learning for Clothing-change Person Re-identification [9.174737809840416]
  アイデンティティ関連の特徴を抽出するためのIFD(Identity-Aware Feature Decoupling)学習フレームワークを提案する。 IFDはメインストリームとアテンションストリームで構成される二重ストリームアーキテクチャを利用する。 そこで本研究では,衣服関連領域の特徴を正規化するために,メインストリーム固有の衣服バイアス低減モジュールを提案する。
  論文  参考訳（メタデータ） (2025-01-10T10:45:38Z)
• Image-Text-Image Knowledge Transfer for Lifelong Person Re-Identification with Hybrid Clothing States [57.20801923515575]
  ハイブリッド衣料状態(LReID-Hybrid)を用いた生涯人物再識別を提案する。 LReID-Hybridは、生涯学習中に一連の布の交換と同じ布のドメインを考慮に入れている。 我々は、"画像-テキスト-画像"閉ループで知識を効果的に調整し、転送し、蓄積するための、$Teata$と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-26T15:25:26Z)
• Content and Salient Semantics Collaboration for Cloth-Changing Person Re-Identification [74.10897798660314]
  衣服を交換する人物の再識別は、重複しないカメラで同じ人物の衣服の変化を認識することを目的としている。 衣服の外観からの干渉を効果的に軽減し、堅牢なアイデンティティ関連コンテンツと有能なセマンティックス・セマンティックス・マイニング・リファインメント(SMR)を抽出する統合されたセマンティックス・マイニング・アンド・リファインメント(SMR)モジュールを提案する。 提案手法は,3種類の布質変化ベンチマーク上での最先端性能を実現し,先進的な競合相手に対する優位性を実証する。
  論文  参考訳（メタデータ） (2024-05-26T15:17:28Z)
• Identity-aware Dual-constraint Network for Cloth-Changing Person Re-identification [13.709863134725335]
  CC-ReID(CC-Changing Person Re-Identification)は、歩行者が着替えを行うより現実的な監視シナリオにおいて、対象者を正確に識別することを目的としている。 大きな進歩にもかかわらず、既存のCC-ReIDデータセットの限られた布質変化トレーニングサンプルは、モデルが布質非関連の特徴を適切に学習することを妨げている。 本稿では,CC-ReIDタスクのためのID-Aware Dual-Constraint Network (IDNet)を提案する。
  論文  参考訳（メタデータ） (2024-03-13T05:46:36Z)
• Semantic-aware Consistency Network for Cloth-changing Person Re-Identification [8.885551377703944]
  本稿ではセマンティック・アウェア・コンシスタンス・ネットワーク(SCNet)を紹介し,アイデンティティに関連するセマンティックな特徴を学習する。 衣服領域の画素を消去することにより,黒衣画像を生成する。 さらに、高レベルのアイデンティティ関連セマンティック特徴の学習を容易にするために、セマンティック一貫性損失を設計する。
  論文  参考訳（メタデータ） (2023-08-27T14:07:57Z)

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。