文献

J-GLOBAL ID：202202265209855120   整理番号：22A0788790

セルフアテンションによる布変化人物再同定【JST・京大機械翻訳】

Cloth-Changing Person Re-identification with Self-Attention

著者 (3件)： Bansal Vaibhav (University of Udine,Machine Learning and Perception Lab,Italy) ,  Foresti Gian Luca (University of Udine,Machine Learning and Perception Lab,Italy) ,  Martinel Niki (University of Udine,Machine Learning and Perception Lab,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACVW  ページ： 602-610  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 標準人物再識別(ReID)問題における基本的仮定は,目標人IDの衣類が長期間にわたって一定のままであるということである。この仮定は,実世界実装中に誤差を生成する。さらに,ReIDを扱う方法の大部分はCNNベースのネットワークを使用して,CNNsが局所依存性だけを利用することができ,ダウンサンプリング操作の利用による情報の損失に悩まされるので,限られた成功を見出した。本論文では,長期布変化ReID(CC-ReID)のより挑戦的な現実的シナリオに焦点を当てた。CC-ReID問題に対処するための衣服変化に不変であるロバストでユニークな特徴表現を学習することを目指した。CNNsが直面する限界を克服するために,著者らはVision変換器ベースのフレームワークを提案した。また,長期シナリオにおける再同定タスクに重要な長距離構造的および文脈的関係を生成するため,歩行特徴のようなユニークなソフト計量ベース識別情報を直感的に利用し,それらをViT特徴表現とペアリングすることを提案する。提案した方法を評価するために,2つの最近のCC-ReIDデータセット,PRCCおよびLTCCに関する実験を行った。実験結果は,提案した方式がCC-ReIDタスクに関する最新の結果を達成することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変換器 ,  ネットワーク ,  *衣服 ,  ロバスト性
準シソーラス用語： ダウンサンプリング ,  長距離 ,  識別子 ,  特徴表現 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： アテンション ,  布 ,  人物 ,  同定