ドメイン間人物再識別のための連合的な分離と適応

監視付き人物再識別（re-id）においては顕著な進展が見られつつあるが、ドメイン間の大きなギャップのため、既存のモデルを新たなドメインに一般化することが依然として困難である。近年、このスケーラビリティの課題に対処するため、無監視ドメイン適応（unsupervised domain adaptation）への関心が高まっている。従来の手法は、識別情報（id）関連および非関連の要因を含む表現空間上で適応を実施するが、これにより識別情報関連の特徴量の適応効果が必然的に損なわれる。本論文では、適応対象とする表現空間を精製することで適応性能を向上することを目指す。そのため、識別情報関連／非関連特徴を分離し、適応処理を識別情報関連特徴空間に限定する共同学習フレームワークを提案する。本モデルは、異種ドメインの画像を共有外見空間および二つの独立した構造空間に符号化する分離モジュールと、共有外見空間上で敵対的アライメントと自己学習を実行する適応モジュールから構成される。両モジュールは相互に補完し合うように共同設計されている。広範な実験により、提案する共同学習フレームワークが最先端手法を明確な差で上回ることを示した。