إطلاق الإمكانات المخزنة في نماذج التبديد المُدرّبة مسبقًا لتحديد شخصية الإنسان القابلة للتوسع

الهوية المُعادَة العامة (DG Re-ID) تهدف إلى تدريب نموذج على مجال مصدر واحد أو أكثر ثم تقييم أدائه على مجالات مستهدفة غير مرئية، وهي مهمة حظيت باهتمام متزايد بسبب أهميتها العملية. وعلى الرغم من الطرق العديدة التي تم اقتراحها، فإن معظمها تعتمد على أطر عمل تعلّم تمييزي أو تقابلية لتعلم تمثيلات مميزة قابلة للتوسع. ومع ذلك، غالبًا ما تفشل هذه النهج في التخفيف من تعلّم الحلول السريعة (shortcut learning)، مما يؤدي إلى أداء غير مثالي. في هذا العمل، نقترح طريقة جديدة تُسمى تعلّم التمثيل المدعوم بنموذج التبديد مع خطة تكييف مُدركة للارتباطات (DCAC) لتعزيز أداء DG Re-ID. تعتمد طريقةنا على دمج نموذج تعرف الهوية التمييزي والمقابل (Re-ID) مع نموذج تبديد مُدرّب مسبقًا من خلال خطة تكييف مُدركة للارتباطات. من خلال دمج احتمالات تصنيف الهوية الناتجة عن نموذج Re-ID مع مجموعة من الرموز القابلة للتعلم المخصصة لكل هوية، تقوم خطة التكييف بإدخال "معرفة مظلمة" تُمثّل الارتباطات بين الهويات، بهدف توجيه عملية التبديد. في الوقت نفسه، يتم تغذية راجعة من نموذج التبديد إلى نموذج Re-ID عبر خطة التكييف، مما يُحسّن فعّالية قدرة التعميم للتمثيلات المُستخرجة. أظهرت التجارب الواسعة على مهام DG Re-ID ذات المصدر الواحد والمتعدد أداءً متفوّقًا على المستوى العالمي. كما أثبتت الدراسات التحليلية الشاملة فعالية النهج المقترح، ووفرت رؤى حول قوته المقاومة. سيتم إتاحة الشفرات المصدرية على الرابط: https://github.com/RikoLi/DCAC.