歩行者属性認識の再考：効率的な手法による現実的なデータセット

歩行者属性認識の進展のために様々な手法が提案されていますが、既存のデータセットにおいて重要な問題がしばしば見過ごされています。それは、訓練セットとテストセットに大量の同一歩行者IDが存在することであり、実際の応用とは一致していません。そのため、訓練セットとテストセットにおける同一歩行者IDの画像は非常に類似しており、既存データセットでの最先端手法の性能が過大評価される傾向があります。この問題を解決するために、PETAおよびRAPv2データセットを基に、零ショット設定に基づいた現実的な2つの新しいデータセットPETA({zs})とRAPv2({zs})を提案します。さらに、我々の強力なベースライン手法と比較した結果、最近の最先端手法はPETA、RAPv2、PETA({zs})およびRAPv2({zs})で性能向上を示していないことが観察されました。そこで、歩行者属性認識における固有の属性不均衡を解消するため、効率的な方法を提案し、さらなる性能向上を目指しました。既存および新規提案されたデータセットでの実験により、本手法が最先端性能を達成し優位性を示すことが確認されました。