التحقق من الهوية البصرية للشخص باستخدام تجميع شبيه القطعة التنافسي وتضمين قطعة متسق مع الانتباه المتبادل

في هذه الورقة، نتناول مسألة إعادة التعرف على الأشخاص بناءً على الفيديو باستخدام تجميع متشابهات القطع القصيرة التنافسية وتمثيل متقاطع مُوجَّه للقطع. تعتمد طريقتنا على تقسيم التسلسلات الطويلة للأشخاص إلى عدة قطع قصيرة من الفيديو، ثم تجميع أشبه متشابهات القطع المصنفة في المرتبة العليا لتقدير تشابه التسلسل. وباستخدام هذه الاستراتيجية، يمكن تقليل التغير البصري الداخلي للشخص في كل عينة لتقدير التشابه، مع الحفاظ على التنوّع في المظهر والمعلومات الزمنية. تُقدَّر متشابهات القطع باستخدام شبكة عصبية عميقة تستخدم انتباهًا زمنيًا متقاطعًا جديدًا لتمثيل القطع. يتم الحصول على أوزان الانتباه بناءً على ميزة استعلام، تُتعلم من كامل قطعة الاستفسار باستخدام شبكة LSTM، مما يجعل التمثيلات الناتجة أقل تأثرًا بالإطارات الضوضائية. وتشترك قطعة المعرض في نفس ميزة الاستعلام مع قطعة الاستفسار. وبالتالي، يمكن لتمثيل قطعة المعرض أن يُظهر ميزات أكثر صلة للمقارنة مع قطعة الاستفسار، مما يؤدي إلى متشابهات قطع أكثر دقة. وتوحي الدراسات التفصيلية الواسعة بالفعالية المثبتة لتجميع متشابهات القطع التنافسي، وكذلك التمثيل المُوجَّه زمنيًا. وتتفوق طريقتنا بشكل ملحوظ على أحدث الأساليب المُتفوقة في العديد من مجموعات البيانات.