要約
監視カメラ間の照明条件の急激な変化は、人物再識別問題を極めて困難なものにしています。現在の大規模な再識別データセットには多数の訓練対象者が含まれていますが、照明条件の多様性に欠けています。その結果、未知の照明条件下で効果的に動作するためには、訓練済みモデルの微調整が必要となります。この問題を緩和するために、数百種類の照明条件を含む新しい合成データセットを導入しました。具体的には、100人の仮想人物を使用し、現実的な室内および屋外の照明を正確にモデル化した複数のHDR環境マップによって照らしています。未知の照明条件下での精度向上を目指し、我々は合成データを活用し、完全に教師なしで微調整を行う新しいドメイン適応技術を提案します。当手法は半教師付きおよび教師なしの最先端手法よりも著しく高い精度を達成しており、教師付き手法と比較しても非常に競争力があります。