Exploration de la représentation et de la recomposition à grain fin pour la réidentification de personnes après changement de vêtements

La reconnaissance de personnes avec changement de vêtements (Re-ID) est une tâche particulièrement complexe, souffrant de deux limitations majeures : des caractéristiques discriminantes inférieures et un nombre limité d'échantillons d'entraînement. Les méthodes existantes s'appuient principalement sur des informations auxiliaires pour faciliter l'apprentissage de caractéristiques liées à l'identité, telles que les caractéristiques biométriques douces concernant la forme ou la démarche, et des étiquettes supplémentaires sur les vêtements. Cependant, ces informations peuvent ne pas être disponibles dans les applications réelles. Dans cet article, nous proposons un nouveau cadre FIne-grained Representation and Recomposition (FIRe$^{2}$) pour surmonter ces deux limitations sans aucune annotation ou données auxiliaires. Plus précisément, nous concevons tout d'abord un module de fouille de caractéristiques fines (Fine-grained Feature Mining, FFM) pour regrouper séparément les images de chaque personne. Les images présentant des attributs dits fins (par exemple, vêtements et points de vue) similaires sont encouragées à se regrouper ensemble. Une perte de classification sensible aux attributs est introduite pour effectuer un apprentissage fin basé sur les étiquettes de cluster, qui ne sont pas partagées entre différentes personnes, favorisant ainsi l'apprentissage par le modèle de caractéristiques liées à l'identité. De plus, pour tirer pleinement parti des attributs fins, nous présentons un module de recomposition d'attributs fins (Fine-grained Attribute Recomposition, FAR) en recomposant les caractéristiques d'image avec différents attributs dans l'espace latent. Ce module améliore considérablement l'apprentissage robuste des caractéristiques. Des expériences approfondies montrent que FIRe$^{2}$ peut atteindre des performances de pointe sur cinq benchmarks largement utilisés pour la reconnaissance de personnes avec changement de vêtements (cloth-changing person Re-ID). Le code est disponible à l'adresse suivante : https://github.com/QizaoWang/FIRe-CCReID.