Wahrnehmung des Fokuspunkts: Lernen von sichtbarkeitsbewussten Teilmerkmalen für die teilweise Personenerkennung

Dieses Papier behandelt ein realistisches Problem im Bereich der Person-Wiedererkennung (re-ID), nämlich die teilweise Wiedererkennung (partial re-ID). Bei Szenarien der teilweisen Wiedererkennung können die Bilder nur einen Teilbereich eines Fußgängers zeigen. Ein direkter Vergleich zwischen einem teilweise sichtbaren und einem vollständigen Bild eines Fußgängers führt aufgrund der extremen räumlichen Fehlanpassung zu einer erheblichen Beeinträchtigung der Diskriminierungsfähigkeit der gelernten Darstellung. Wir schlagen ein Sichtbarkeitsbewusstes Teilmustermodell (Visibility-aware Part Model, VPM) vor, das durch Selbstüberwachung lernt, die Sichtbarkeit von Regionen wahrzunehmen. Die Sichtbarkeitsbewusstheit ermöglicht es dem VPM, regionale Merkmale zu extrahieren und zwei Bilder hinsichtlich ihrer gemeinsamen Regionen (die in beiden Bildern sichtbar sind) zu vergleichen. Das VPM bringt zwei wesentliche Vorteile für eine höhere Genauigkeit bei teilweiser Wiedererkennung mit sich. Einerseits profitiert das VPM von feingranularen Informationen, da es regionale Merkmale anstelle eines globalen Merkmals lernt. Andererseits kann das VPM durch seine Sichtbarkeitsbewusstheit die gemeinsamen Regionen zwischen zwei Bildern abschätzen und somit die räumliche Fehlanpassung reduzieren. Experimentelle Ergebnisse bestätigen, dass unsere Methode die gelernte Darstellung erheblich verbessert und dass die erreichte Genauigkeit den neuesten Stand der Forschung entspricht.