视图解耦Transformer在空地摄像头网络下的行人重识别中的应用

现有的行人重识别方法在同质摄像头之间的外观特征匹配任务中（如地面-地面匹配）已取得显著进展。然而，作为更具实际应用价值的场景，异质摄像头之间的空中-地面行人重识别（Aerial-Ground Person Re-Identification, AGPReID）却鲜受关注。针对AGPReID中最为关键的挑战——由于视角差异剧烈导致的判别性身份表征被严重破坏的问题，本文提出了一种简洁而高效的框架：视图解耦Transformer（View-Decoupled Transformer, VDT）。VDT设计了两个核心组件，用于分离与视角相关和与视角无关的特征：层级减法分离（hierarchical subtractive separation）与正交损失（orthogonal loss）。其中，前者在模型内部实现两类特征的分离，后者则约束二者相互独立，从而提升特征的判别能力。此外，本文构建了一个大规模的AGPReID数据集CARGO，包含五组/八组空中/地面摄像头、5,000个身份以及108,563张图像。在两个数据集上的实验表明，VDT是一种可行且有效的AGPReID解决方案，在CARGO数据集上相比先前方法在mAP/Rank-1指标上分别提升最高达5.0%/2.7%，在AG-ReID数据集上提升3.7%/5.2%，同时保持了相近的计算复杂度。本项目代码已开源，访问地址为：https://github.com/LinlyAC/VDT-AGPReID。