التعلم المتبادل بين الشكل والملمس الدقيق للتحقق من الهوية الشخصية مع تغيير الملابس

في الآونة الأخيرة، حققت إعادة تحديد الأشخاص (Re-ID) تقدماً كبيراً. ومع ذلك، تعتمد الطرق الحالية إلى حد كبير على المظهر اللوني، وهو أمر غير موثوق عندما يتغير ملابس الشخص. يُعدّ تحدي إعادة التعرف على الأشخاص مع تغيير الملابس صعباً، نظراً لوجود تباين كبير داخل الفئة (أي بين صور نفس الشخص بملابس مختلفة) وتباين صغير بين الفئات (أي بين أشخاص مختلفين). وتحتوي بعض السمات المميزة للتحديد على فروق غير بارزة في شكل الجسم بين الأشخاص. لاستكشاف هذه المؤشرات الشكلية للجسم في سياق إعادة التعرف مع تغيير الملابس، نقترح إطاراً يُسمى "التعلم المتبادل الدقيق للشكل والمظهر" (FSAM)، وهو إطار ذو تدفقين يتعلم معرفة دقيقة تمييزية حول شكل الجسم في التدفق الشكلي، ثم ينقل هذه المعرفة إلى التدفق المظهري لتعزيز المعرفة غير المرتبطة بالملابس في السمات المظهرية. وبشكل محدد، في التدفق الشكلي، يتعلم FSAM قناعاً دقيقاً تمييزياً مدعوماً بالهوية، ويستخرج سمات شكل الجسم الدقيقة باستخدام شبكة متعددة الفروع تعتمد على وضعية الجسم. ولتعزيز المعرفة الشكلية غير المرتبطة بالملابس في التدفق المظهري، يتم إجراء تعلم متبادل مكثف بين السمات على المستويات المنخفضة والمستويات العالية، بهدف نقل المعرفة من التدفق الشكلي إلى التدفق المظهري، مما يمكّن التدفق المظهري من العمل بشكل مستقل دون الحاجة إلى حسابات إضافية لتقدير القناع. وقد تم تقييم طريقة الاقتراح على مجموعات بيانات معيارية لاختبار إعادة التعرف مع تغيير الملابس، وتم تحقيق أداء متميز على مستوى التقنيات الحالية.