要約
既存の完全監督型人物再識別（ReID）手法は、ドメイン間のギャップによって引き起こされる汎化能力の低さに悩まされていることが多い。この問題を解決する鍵は、アイデンティティに関連しない干渉をフィルタリングし、ドメイン不変の人間表現を学習することにある。本論文では、ソースドメインでモデルを訓練しながら、ターゲットドメインでも汎化・高性能を発揮する一般的な人物ReIDフレームワークの設計を目指す。この目標を達成するために、単純ながら効果的なスタイル正規化と復元（SNR）モジュールを提案する。具体的には、インスタンス正規化（IN）によりスタイル変動（例：照明、色調対比）を取り除くが、このプロセスは必ずしも判別情報を取り除かない。我々は取り除かれた情報からアイデンティティに関連する特徴を抽出し、ネットワークに復元することで高い判別力を確保することを提案する。より良い分離のために、SNR内で双方向因果損失制約を課すことにより、アイデンティティに関連する特徴と関連しない特徴の分離を促進する。広範な実験結果は、我々のフレームワークが強い汎化能力を持つことを示している。SNRモジュールを搭載した我々のモデルは、複数の広く使用されている人物ReIDベンチマークにおいて最先端のドメイン汎化アプローチよりも大幅に優れた性能を示し、非監督ドメイン適応においても優位性を持っている。