Re-Identification Guidée par des Keypoints

La Reconnaissance de Personnes Occultées (ReID) est une tâche d'apprentissage par métrique qui consiste à faire correspondre des individus occultés en se basant sur leur apparence. Bien que de nombreuses études aient abordé les occultations causées par des objets, les occultations multiples restent moins explorées. Dans ce travail, nous identifions et abordons un défi critique négligé par les méthodes précédentes de ReID occultée : l'Ambiguïté Multi-Personne (MPA) qui se produit lorsque plusieurs individus sont visibles dans la même boîte englobante, rendant impossible la détermination de la cible ReID souhaitée parmi les candidats. Inspirés par les travaux récents sur l'incitation en vision, nous introduisons la Reconnaissance de Personnes Incitée par des Points Clés (KPR), une nouvelle formulation du problème ReID qui complète explicitement la boîte englobante d'entrée avec un ensemble de points clés sémantiques indiquant la cible souhaitée. Étant donné que l'incitation pour la reconnaissance est un paradigme inexploré, les jeux de données existants en ReID manquent des annotations au niveau pixel nécessaires pour inciter. Pour combler cette lacune et favoriser des recherches supplémentaires sur ce sujet, nous présentons Occluded-PoseTrack ReID, un nouveau jeu de données ReID avec des labels de points clés, caractérisé par des occultations inter-personnes importantes. De plus, nous mettons à disposition des labels de points clés personnalisés pour quatre benchmarks populaires en ReID. Les expériences menées sur la recherche de personnes ainsi que sur le suivi de posture montrent que notre méthode dépasse systématiquement les approches précédentes d'avant-garde dans divers scénarios d'occultation. Notre code, notre jeu de données et nos annotations sont disponibles à l'adresse suivante : https://github.com/VlSomers/keypoint_promptable_reidentification.