時間的知識伝播による画像から動画の人物再識別

多くのPerson Re-identification（Re-ID）のシナリオにおいて、ギャラリーセットは多数の監視ビデオから構成され、クエリは単一の画像であるため、Re-IDは画像とビデオの間で行われる必要があります。ビデオと比較して、静止人物画像には時間的な情報が欠けています。さらに、画像とビデオの特徴量間の情報非対称性が、画像とビデオのマッチングを難しくしています。この問題を解決するために、我々は新しいTemporal Knowledge Propagation（TKP）手法を提案します。これは、ビデオ表現ネットワークが学習した時間的な知識を画像表現ネットワークに伝播させる方法です。具体的には、入力されたビデオに対して、共有特徴空間におけるビデオ表現ネットワークの出力に合わせて画像表現ネットワークを適合させます。バックプロパゲーションにより、時間的な知識が転送され、画像特徴量が強化されるとともに情報非対称性問題が緩和されます。追加の分類損失と統合されたトリプレット損失によって、我々のモデルは画像からビデオへの再識別に適した表現力豊かで判別力のある画像およびビデオ特徴量を学習することができます。広範な実験により、我々の手法の有効性が示されており、2つの広く使用されているデータセットでの全体的な結果は現行最先端手法を大幅に上回っています。コードは以下のURLで公開されています：https://github.com/guxinqian/TKP