論文の概要: Semantic Modality Compensation for Unsupervised Visible-Infrared Person Re-identification under Unpaired Settings

• arxiv url: http://arxiv.org/abs/2609.34294v1
• Date: Mon, 28 Sep 2026 04:40:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 22:04:53.024102
• Title: Semantic Modality Compensation for Unsupervised Visible-Infrared Person Re-identification under Unpaired Settings
• Title（参考訳）: 教師なし可視赤外人物再識別のための無障害環境下での意味的モダリティ補償
• Abstract要約: 未経験学習では、モダリティ間の同一性対応はしばしば不完全である。 モーダルスタイルからアイデンティティ意味を分離するプロンプト合成に基づくフレームワークを提案する。 SMCは一貫して最先端の手法を上回っている。
• 参考スコア（独自算出の注目度）: 5.822080383967553
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised visible-infrared person re-identification (USL-VI-ReID) learns person representations that can be compared across modalities without identity annotations. In the unpaired setting, however, identity correspondences between modalities are often incomplete, leaving many identities without an observed counterpart in the other modality. Existing unpaired methods bridge this gap by generating or mapping features for the other modality, mainly by exploiting the statistics of visual features without explicitly separating content that is discriminative for identity from style that is specific to modality. Consequently, the generated features may distort identity cues or inherit bias from the source modality, undermining the reliability of supervision across modalities. We formulate unpaired learning across modalities as a semantic compensation problem and propose Semantic Modality Compensation (SMC), a framework based on prompt composition that decouples identity semantics from modality style within a shared visual semantic space. SMC first constructs a discriminative ReID space through augmented dual contrastive learning, yielding pseudo labels, cluster prototypes, and memory banks for each modality. It then learns visible and infrared modality prompts in the CLIP semantic space and maps clusters obtained from pseudo labels to identity semantic tokens. For each cluster lacking a reliable match in the other modality, SMC combines its identity token with the prompt for the target modality to synthesize a semantic counterpart in the missing modality. The synthesized counterpart is then projected back into the ReID space and injected into a compensation memory through confidence gating. Extensive experiments under both paired and unpaired settings demonstrate that SMC consistently outperforms state-of-the-art methods, with particularly large gains when identity mismatch is severe.
• Abstract（参考訳）: 教師なし可視赤外人物再識別(USL-VI-ReID)は、識別アノテーションなしでモダリティ間で比較できる人物表現を学習する。 しかし、未ペアの環境では、モダリティ間の同一性対応はしばしば不完全であり、他のモダリティに観察された同一性を持たない多くのアイデンティティを残している。 既存の未完成の手法は、他のモダリティの特徴を生成したり、マッピングしたりすることでこのギャップを埋める。 その結果、生成された特徴は、同一性キューを歪ませたり、ソースモダリティからバイアスを継承したりし、モダリティ間の監督の信頼性を損なう可能性がある。 本研究では,意味的補償問題として,モダリティを横断する未経験学習を定式化し,セマンティック・モダリティ補償(Semantic Modality Compensation, SMC)を提案する。 SMCはまず、拡張二重コントラスト学習により識別可能なReID空間を構築し、各モードに対して擬似ラベル、クラスタプロトタイプ、メモリバンクを生成する。 次に、CLIPセマンティックスペースで可視および赤外線モダリティプロンプトを学び、擬似ラベルから得られたクラスタをアイデンティティセマンティックトークンにマッピングする。 他のモダリティの信頼性に欠ける各クラスタに対して、SMCはそのアイデンティティトークンとターゲットモダリティのプロンプトを組み合わせて、欠落したモダリティのセマンティックな相似性を合成する。 合成された相手はReID空間に投影され、信頼ゲーティングにより補償メモリに注入される。 ペアリングとペアリングの両条件下での大規模な実験により、SMCは最先端の手法よりも一貫して優れており、アイデンティティミスマッチが深刻である場合には特に大きな利益が得られている。

関連論文リスト

• 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)
• 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)
• Hierarchical Identity Learning for Unsupervised Visible-Infrared Person Re-Identification [81.3063589622217]
  教師なし可視赤外線人物再識別(USVI-ReID)は、ラベルのないクロスモーダルな人物データセットからモダリティ不変の画像特徴を学習することを目的としている。
  論文  参考訳（メタデータ） (2025-09-15T05:10:43Z)
• Dynamic Identity-Guided Attention Network for Visible-Infrared Person Re-identification [17.285526655788274]
  Visible-infrared person re-identification (VI-ReID) は、可視光と赤外線の同一性を持つ人物をマッチングすることを目的としている。 既存の方法は一般的に、画像や特徴レベルでのクロスモーダルな違いを橋渡ししようとする。 我々は、動的ID誘導型注意ネットワーク(DIAN)を導入し、アイデンティティ誘導型およびモダリティ一貫性のある埋め込みをマイニングする。
  論文  参考訳（メタデータ） (2024-05-21T12:04:56Z)
• Exploring Homogeneous and Heterogeneous Consistent Label Associations for Unsupervised Visible-Infrared Person ReID [57.500045584556794]
  均質かつ不均一なインスタンスレベルの構造を同時に説明できるModality-Unified Label Transfer (MULT) モジュールを導入する。 提案したMULTは、生成した擬似ラベルがモダリティ間の整合性を維持しつつ、モダリティ内の構造的整合性を維持することを保証する。 実験の結果,提案手法は既存のUSL-VI-ReID法よりも優れていた。
  論文  参考訳（メタデータ） (2024-02-01T15:33:17Z)
• Modality Unifying Network for Visible-Infrared Person Re-Identification [24.186989535051623]
  Visible-infrared person re-identification (VI-ReID) は、異種間の大きな相違とクラス内変異のために難しい課題である。 既存の手法は主に、異なるモダリティを同じ特徴空間に埋め込むことで、モダリティ共有表現を学習することに焦点を当てている。 そこで我々は,VI-ReID の頑健な補助モダリティを探索するために,新しいモダリティ統一ネットワーク (MUN) を提案する。
  論文  参考訳（メタデータ） (2023-09-12T14:22:22Z)

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。