アンカーフリー・ペルソナルサーチ

人物検索（Person search）は、現実的でクロップされていない画像から、クエリとなる人物を同時に局所化および識別することを目的とするタスクであり、歩行者検出と人物再識別（re-id）の統一された課題と見なすことができる。従来の多数の研究では、Faster-RCNNのような二段階検出器が用いられており、高い精度を達成しているものの、計算コストが非常に高いという課題がある。本研究では、この困難なタスクに効率的に対応する初のアンカーフリー（anchor-free）フレームワークである「特徴一致型人物検索ネットワーク（AlignPS）」を提案する。AlignPSは、アンカーフリー検出器をこのタスクに適用する際に生じる主な課題、すなわちスケール、領域、タスクの各レベルにおける不一致（misalignment）問題に明示的に対処している。具体的には、「re-idを最優先する（re-id first）」という原則に基づき、特徴の一致を促進するアライメント特徴集約モジュールを提案することで、より識別性が高く堅牢な特徴表現を生成している。この単純な設計により、CUHK-SYSUデータセットにおいてベースラインのアンカーフリーモデルのmAPが20%以上向上した。さらに、AlignPSは最先端の二段階手法を上回る性能を発揮しつつ、高速な処理が可能である。コードは以下のURLで公開されている：https://github.com/daodaofr/AlignPS