非監督人物再識別のソフトマルチラベル学習

監督なしの人物再識別（RE-ID）は、その潜在的なスケーラビリティ問題の解決能力により、研究者の注目を集めていますが、分離されたカメラビュー間でのペアワイズラベルがない状況下で判別情報を学習することは非常に困難です。この問題を克服するために、我々は監督なしRE-ID用のソフトマルチラベル学習のための深層モデルを提案します。このアイデアは、補助ドメインから知られた参照人物セットと比較（および表現）することによって、各未ラベル人物に対してソフトマルチラベル（実数値のラベル確率ベクトル）を学習することです。我々は視覚特徴量と未ラベルターゲットペアのソフトマルチラベルの類似性の一貫性を探ることで、未ラベルターゲットドメインに対する判別埋め込みを学習するためのソフトマルチラベルガイドによるハードネガティブマイニングを提案します。ほとんどのターゲットペアがクロスビューであるため、我々は異なるカメラビュー間で一貫して良好なソフトマルチラベルを達成する学習目標を達成するためにクロスビュー一貫性のあるソフトマルチラベル学習を開発しました。効率的なソフトマルチラベル学習を可能にするために、各参照人物をジョイント埋め込み内の参照エージェントで表現する参照エージェント学習を導入しました。我々はMarket-1501とDukeMTMC-reIDにおいて提案した統合深層モデルを評価しました。結果として、我々のモデルは既存の最先端の監督なしRE-ID手法よりも明確に優れた性能を示しました。コードはhttps://github.com/KovenYu/MAR で公開されています。この翻訳では、専門用語や技術概念について一般的な日本語訳を使用し、文章構造も日本語読者にとって自然に理解できるように調整しています。また、正式かつ客観的な書き方で表現しており、口語的な表現は避けました。原文との内容的一致性も確認しています。