論文の概要: In PRAISE of Attributes: Grounding Retrieval Geometry with Query-Conditioned Subspaces for Person Re-Identification
- arxiv url: http://arxiv.org/abs/2610.27944v1
- Date: Tue, 20 Oct 2026 09:52:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.755101
- Title: In PRAISE of Attributes: Grounding Retrieval Geometry with Query-Conditioned Subspaces for Person Re-Identification
- Title（参考訳）: In PRAISE of Attributes: Grounding Retrieval Geometry with Query-Conditioned Subspaces for Person Redentification
- Abstract要約: 人物の再識別(ReID)は、画像クエリまたはテキストクエリを使用して画像ギャラリーをランク付けする。
テキスト・トゥ・イメージ(T2I)のReIDでは、不完全または曖昧な記述は重要な視覚的証拠を省略することができる。
VLMベースのReIDのためのクエリサイドテスト時間適応フレームワークである textttPRAISE を提案する。
- 参考スコア（独自算出の注目度）: 28.14009151159776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Person re-identification (ReID) ranks an image gallery using either an image query or a textual query. In image-to-image (I2I) ReID, viewpoint, illumination, occlusion, and background changes can make distractors appear more similar than the true match. In text-to-image (T2I) ReID, incomplete or ambiguous descriptions may omit key visual evidence. We study this problem for vision-language model (VLM) based ReID, where attributes such as clothing color and carried objects provide useful fine-grained matching cues. However, directly using attribute-prompt similarities as retrieval scores is unreliable because templated prompts can be biased, correlated, and poorly calibrated. We therefore propose \textbf{PR}ompt-guided \textbf{A}ttribute-based \textbf{I}nference-time \textbf{S}imilarity \textbf{E}nhancement (\texttt{PRAISE}), a query-side test-time adaptation framework for VLM-based ReID. Instead of treating prompts as scores, \texttt{PRAISE} uses a transferable attribute-prompt bank to construct an \emph{Attribute-Conditioned Subspace} (ACS): a query-dependent low-rank subspace induced by the most compatible attribute prompts. ACS provides a controlled attribute-conditioned geometry for reshaping query--gallery affinities and guiding lightweight inference-time updates without identity or attribute labels. Experiments across multiple I2I- and T2I-ReID benchmarks show that \texttt{PRAISE} consistently improves VLM retrieval backbones and outperforms both generic and ReID-specific TTA baselines.
- Abstract（参考訳）: 人物の再識別(ReID)は、画像クエリまたはテキストクエリを使用して画像ギャラリーをランク付けする。
Image-to-image (I2I) ReIDでは、視点、照明、オクルージョン、背景の変化が、真の一致とよりよく似ているように見える。
テキスト・トゥ・イメージ(T2I)のReIDでは、不完全または曖昧な記述は重要な視覚的証拠を省略することができる。
本稿では, 視覚言語モデル(VLM)に基づくReIDにおいて, 衣服の色や搬送物などの属性が, きめ細かなマッチング手段として有用であることを示す。
しかし、テンプレート化されたプロンプトはバイアスがあり、相関があり、校正が不十分であるため、属性プロンプトの類似性を検索スコアとして直接使用することは信頼性が低い。
したがって、VLMベースのReIDのためのクエリサイドテスト時間適応フレームワークである、XMLbf{PR}ompt-guided \textbf{A}ttribute-based \textbf{I}nference-time \textbf{S}imilarity \textbf{E}nhancement (\texttt{PRAISE})を提案する。
プロンプトをスコアとして扱う代わりに、 \texttt{PRAISE} は転送可能な属性プロンプトバンクを使用して、最も互換性のある属性プロンプトによって誘導されるクエリ依存の低ランクサブスペースである \emph{Attribute-Conditioned Subspace} (ACS) を構築する。
ACSは、クエリの親和性と、IDや属性ラベルなしで軽量な推論時間更新を導くための制御された属性条件付きジオメトリを提供する。
複数のI2I-およびT2I-ReIDベンチマークによる実験により、 \texttt{PRAISE} は VLM 検索バックボーンを一貫して改善し、一般的な TTA ベースラインと ReID 固有の TTA ベースラインの両方を上回っている。
関連論文リスト
- 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) - MonkeyOCR v1.5 Technical Report: Unlocking Robust Document Parsing for Complex Patterns [80.05126590825121]
MonkeyOCR v1.5は、レイアウト理解とコンテンツ認識の両方を強化する統合ビジョン言語フレームワークである。
複雑なテーブル構造に対処するために,視覚的整合性に基づく強化学習手法を提案する。
2つの特別なモジュール、Image-Decoupled Table ParsingとType-Guided Table Mergingを導入し、テーブルの信頼性の高いパースを可能にする。
論文 参考訳（メタデータ） (2025-11-13T15:12:17Z) - Referring Expression Instance Retrieval and A Strong End-to-End Baseline [37.47466772169063]
テキスト画像検索は、画像レベルの記述に基づいてギャラリーからターゲット画像を取得する。
Referring Expressionは、インスタンスレベルの記述を使用して、所定のイメージ内でターゲットオブジェクトをローカライズする。
我々は、インスタンスレベルの検索とローカライゼーションの両方をサポートする textbfReferring Expression Instance Retrieval (REIR) という新しいタスクを導入する。
論文 参考訳（メタデータ） (2025-06-23T02:28:44Z) - VisRet: Visualization Improves Knowledge-Intensive Text-to-Image Retrieval [56.12310817934239]
クロスモーダルな埋め込みは概念の袋として振る舞うが、ポーズや視点のような構造的な視覚的関係が不足している。
この制限を緩和するT2I検索のための新しいパラダイムであるVisualize-then-Retrieve (VisRet)を提案する。
VisRetは、T2I検索をテキスト間類似性マッチングとして再キャストする、モーダル間の類似性マッチングとベースラインを大幅に上回る。
論文 参考訳（メタデータ） (2025-05-26T17:59:33Z) - LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [78.73711446918814]
我々は,属性ベースのテキスト知識を活用するために,アクシデントチューニング戦略を採用した,AG-ReIDのためのLATexという新しいフレームワークを提案する。
我々のフレームワークは属性ベースのテキスト知識をフル活用してAGReIDの性能を向上させることができる。
論文 参考訳（メタデータ） (2025-03-31T04:47:05Z) - MARS: Paying more attention to visual attributes for text-based person search [6.438244172631555]
本稿ではMARS(Mae-Attribute-Relation-Sensitive)という新しいTBPSアーキテクチャを提案する。
ビジュアルレコンストラクションロスと属性ロスという2つの重要なコンポーネントを導入することで、現在の最先端モデルを強化する。
CUHK-PEDES、ICFG-PEDES、RSTPReidの3つの一般的なデータセットの実験では、パフォーマンス改善が報告されている。
論文 参考訳（メタデータ） (2024-07-05T06:44:43Z) - Object-Attribute Binding in Text-to-Image Generation: Evaluation and Control [58.37323932401379]
現在の拡散モデルは、入力としてテキストプロンプトが与えられたイメージを生成するが、テキストで言及されている属性を画像の正しいオブジェクトに正しく結び付けるのに苦労する。
入力文中の構文的制約により視覚的注意マップを制御できる集中的横断注意(FCA)を提案する。
我々は、T2I生成の大幅な改善、特にいくつかのデータセットに対する属性オブジェクトのバインディングを示す。
論文 参考訳（メタデータ） (2024-04-21T20:26:46Z) - Multi-Prompts Learning with Cross-Modal Alignment for Attribute-based
Person Re-Identification [18.01407937934588]
本稿では,素早い学習と言語モデルに基づくMP-ReID(Multi-Prompts ReID)という新しいフレームワークを提案する。
MP-ReIDは、クエリイメージを記述するために、多様で情報的、即応的な文を幻覚させることを学ぶ。
明示的なプロンプトは、ChatGPTやVQAモデルといった世代モデルをアンサンブルすることで得られる。
論文 参考訳（メタデータ） (2023-12-28T03:00:19Z) - Sentence-level Prompts Benefit Composed Image Retrieval [69.78119883060006]
合成画像検索(CIR)は、参照画像と相対キャプションの両方を含むクエリを用いて、特定の画像を検索するタスクである。
本稿では,事前訓練されたV-Lモデル,例えばBLIP-2を用いて文レベルのプロンプトを生成することを提案する。
提案手法は,Fashion-IQおよびCIRRデータセット上の最先端のCIR手法に対して良好に動作する。
論文 参考訳（メタデータ） (2023-10-09T07:31:44Z)
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。