자세에 민감한 임베딩을 이용한 개인 재식별 및 확장된 이웃 재순위 결정

개인 재식별은 비중복 카메라 뷰에서 사람의 획득된 이미지를 일치시키는 어려운 검색 작업입니다. 본 논문에서는 사람이 학습하는 차별적 임베딩에 미세 및 거친 자세 정보를 통합하는 효과적인 접근 방식을 제안합니다. 최근에는 신체 부위를 명시적으로 모델링하거나 이러한 부위를 기반으로 오류 정렬을 수정하는 방향으로 연구가 진행되고 있지만, 우리는 획득된 카메라 뷰와/또는 감지된 관절 위치를 컨볼루션 신경망에 비교적 간단하게 포함시키는 것이 매우 효과적인 표현을 학습하는 데 도움이 된다는 것을 보여줍니다.검색 성능 향상을 위해, 계산된 거리를 기반으로 하는 재순위 결정 기술이 최근 많은 주목을 받고 있습니다. 우리는 새로운 비지도 및 자동 재순위 결정 프레임워크를 제안하여 최신의 재순위 결정 성능을 달성하였습니다. 현재 최신의 재순위 결정 방법과 달리, 우리의 접근 방식은 각 이미지 쌍(예: 상호 이웃 기반)에 대해 새로운 순위 목록을 계산할 필요가 없으며, 간단한 직접 순위 목록 비교 또는 이미 계산된 유클리드 거리를 사용하여도 우수한 성능을 발휘합니다.우리는 우리의 학습된 표현과 재순위 결정 방법이 여러 어려운 감시 이미지 및 동영상 데이터셋에서 최신 수준의 성능을 달성함을 보여주었습니다.코드는 다음 온라인 주소에서 이용 가능합니다: https://github.com/pse-ecn/pose-sensitive-embedding