姿勢に敏感な埋め込みを用いたパーソン再識別における拡大近傍再ランキング

人物再識別は、非重複カメラ視点間で取得された人物の画像をマッチングする困難な検索タスクである。本論文では、人物の微細および大まかな姿勢情報を組み合わせて判別的埋め込みを学習する効果的な手法を提案する。最近の研究では、身体部位の明示的なモデリングやそれに基づくずれ補正が行われているが、我々は取得したカメラ視点と/または検出された関節位置を畳み込みニューラルネットワークに比較的単純に取り入れることで、非常に効果的な表現を学習できることを示す。検索性能向上のために、計算された距離に基づく再ランキング技術が最近注目を集めている。我々は新たな無監督かつ自動的な再ランキングフレームワークを提案し、最先端の再ランキング性能を達成している。現在の最先端の再ランキング手法とは異なり、我々のアプローチでは各画像ペアに対して新しい順位リスト（例えば相互近傍に基づくもの）を計算する必要がなく、単純な直接的な順位リスト比較や既に計算されたユークリッド距離を使用することで良好な性能を発揮する。我々は学習した表現と再ランキング手法が数々の挑戦的な監視画像・ビデオデータセットにおいて最先端の性能を達成することを示している。コードはオンラインで入手可能であり、以下のURLからアクセスできる: https://github.com/pse-ecn/pose-sensitive-embedding