초록
개인 재식별(re-ID)을 검색 과정으로 고려할 때, 순위 재배치는 그 정확도를 향상시키는 데 중요한 단계입니다. 그러나 re-ID 커뮤니티에서는 특히 완전 자동화되고 감독되지 않은 솔루션에 대한 순위 재배치에 대한 연구가 제한적이었습니다. 본 논문에서는 re-ID 결과의 순위를 재배치하기 위해 k-상호 인코딩 방법을 제안합니다. 우리의 가설은 갤러리 이미지가 프로브의 k-상호 최근접 이웃과 유사할수록 진정한 매칭일 가능성이 더 크다는 것입니다. 구체적으로, 주어진 이미지에 대해 k-상호 특징은 그 이미지의 k-상호 최근접 이웃을 단일 벡터로 인코딩하여 계산되며, 이 벡터는 Jaccard 거리를 기반으로 순위 재배치에 사용됩니다. 최종 거리는 원래 거리와 Jaccard 거리의 조합으로 계산됩니다. 우리의 순위 재배치 방법은 어떠한 인간의 개입이나 라벨된 데이터도 필요하지 않으므로 대규모 데이터셋에도 적용할 수 있습니다. 대규모 Market-1501, CUHK03, MARS, 그리고 PRW 데이터셋에서 수행된 실험들은 우리 방법의 효과성을 확인해주고 있습니다.