視点認識損失と角度正則化を用いた人物再識別

近年、教師あり人物再識別（Re-ID）において大きな進展が見られたが、人物の視点の変化に起因する課題により、Re-IDは依然として大きな視覚的課題のままである。既存の視点に基づく人物Re-ID手法の多くは、各視点からの画像を独立かつ関係のない部分特徴空間に射影している。これらの手法は、各視点内でのアイデンティティレベルの分布のみをモデル化しており、異なる視点間の潜在的な関係性を無視している。この問題に対処するため、本研究では新たなアプローチである「視点認識型損失と角度正則化（Viewpoint-Aware Loss with Angular Regularization, VA-reID）」を提案する。各視点ごとに個別の部分空間を用いるのではなく、異なる視点からの特徴を統一された超球面に射影し、アイデンティティレベルおよび視点レベルの両方で特徴分布を効果的にモデル化する。さらに、従来の視点分類で用いられるハードラベル（明確な分類ラベル）ではなく、特徴表現に適応的なソフトラベルを付与する「視点認識型適応的ラベルスムージング正則化（Viewpoint-Aware Adaptive Label Smoothing Regularization, VALSR）」を導入する。VALSRは、視点クラスタラベルの曖昧性を効果的に解消する。Market1501およびDukeMTMC-reIDデータセットにおける広範な実験により、本手法が最先端の教師ありRe-ID手法を上回ることを示した。