長期的な人物再識別のための衣服と姿勢に依存しない3D形状表現の学習

長期的な人物再識別（LT-ReID）は、コンピュータビジョンとバイオメトリクスの分野でますます重要な役割を果たしています。本研究では、歩行者の認識にとどまらず、より広範な実世界の人間活動を対象とし、長時間の間隔での衣服変更シナリオも考慮したLT-ReIDの拡張を目指します。この設定は、人間の姿勢や衣服の多様性によって引き起こされる幾何学的なずれや外見の曖昧さといった追加的な課題を抱えています。これらの課題に対処するため、我々は新しいアプローチである3DInvarReIDを提案します。(i) 3D被服人間からアイデンティティ成分（姿勢、衣服形状、テクスチャ）を非アイデンティティ成分から分離し、(ii) 精密な3D被服体形の再構築と裸体形の識別的特徴学習を統合的に行います。LT-ReIDの研究をより適切に評価するために、実世界データセットCCDA（Clothing Change and Diverse Activities dataset）を収集しました。このデータセットには、多様な人間活動と衣服変更が含まれています。実験結果により、我々のアプローチが人物再識別において優れた性能を示すことを確認しました。