要約
注意（アテンション）は、利用可能なリソースを入力信号の最も情報量の高い部分に偏らせることができるため、個人再識別（Person ReID）においてますます注目を集めています。しかし、最先端の研究では、空間やチャンネルなどの粗いまたは一次的なアテンション設計に焦点が当てられており、高次のアテンションメカニズムの探索はほとんど行われていません。本稿では、この問題に対処する一歩を踏み出します。まず、High-Order Attention (HOA) モジュールを提案し、アテンションメカニズムにおける複雑で高次な統計情報をモデル化および活用することで、歩行者間の微妙な違いを捉え、判別的なアテンション提案を生成することを目指します。次に、個人再識別をゼロショット学習問題として再考し、Mixed High-Order Attention Network (MHN) を提案します。これにより、明示的にアテンション知識の判別性と豊かさをさらに向上させることができます。Market-1501, DukeMTMC-ReID, CUHK03-NP という3つの大規模データセットにおいて広範な実験が行われました。これらの実験結果は、我々の MHN が多くの最先端手法に対して優れた性能を持つことを証明しています。コードは http://www.bhchen.cn/ で入手可能です。