再識別システムにおけるトリプレット損失の安定化のための関係保持型トリプレットマイニング

オブジェクトの姿勢変化に伴い、その外観は著しく変化する。このような変化は、同一のオブジェクトIDを持つインスタンスを可能な限り近接した位置にマッピングしようとする埋め込みスキームにとって大きな課題をもたらす。特に再識別（reID）のような複雑なコンピュータビジョンタスクでは、この問題は顕著に強調される。本論文では、このような外観の著しい変化が、オブジェクトIDが複数の自然なグループから構成されていることを示唆していると提案する。異なるグループに属するインスタンスを一か所に強制的にマッピングすることは、むしろ逆効果である。この洞察に基づき、我々は「関係保持型三重項マイニング（Relation Preserving Triplet Mining: RPTM）」を導入する。これは特徴マッチングをガイドとして用いる三重項マイニング手法であり、三重項がオブジェクトID内の自然な部分群構造を尊重するよう保証する。この三重項マイニング機構を用いて、視点の一貫性を間接的に強制することで、姿勢に敏感かつ良好な条件を持つ三重項損失を構築する。これにより、データセットをまたいで固定パラメータで単一のネットワークを学習可能となり、最先端の性能を達成できる。コードは以下のURLで公開されている：https://github.com/adhirajghosh/RPTM_reid。