자세 정규화 이미지 생성을 위한 개인 재식별

개인 재식별(re-id)은 두 가지 주요 과제를 직면하고 있습니다: 시점 간 연관된 훈련 데이터의 부족과, 큰 자세 변동이 있는 상황에서 차별화된 신원 감지 및 시점 불변 특성을 학습하는 것입니다. 본 연구에서는 이러한 두 문제를 해결하기 위해, 자세에 조건부로 실제적인 개인 이미지를 생성하는 새로운 딥 러닝 모델을 제안합니다. 이 모델은 re-id를 위한 자세 정규화에 특화된 생성적 적대 네트워크(GAN)를 기반으로 하며, 이를 자세 정규화 GAN(PN-GAN)이라고 명명하였습니다. 생성된 이미지를 통해 우리는 자세 변동의 영향을 받지 않는 새로운 종류의 딥 re-id 특성을 학습할 수 있습니다. 우리는 이 특성이 자체적으로 강력하며, 원본 이미지를 사용하여 학습한 특성과 보완적임을 보여줍니다. 특히 전이 학습 설정에서, 우리의 모델이 새로운 re-id 데이터셋으로 일반화되는 능력을 갖추고 있으며, 모델 미세 조정을 위한 훈련 데이터 수집이 필요하지 않음을 입증하였습니다. 따라서 이 모델은 re-id 모델을 진정으로 확장 가능하게 할 잠재력을 가지고 있습니다.