깊은 유사성 안내 그래프 신경망을 이용한 사람 재식별

개인 재식별 작업은 사람 이미지 간의 시각적 유사성을 견고하게 추정하는 것을 요구합니다. 그러나 기존의 개인 재식별 모델들은 대부분 프로브 이미지와 갤러리 이미지의 서로 다른 이미지 쌍들의 유사성을 독립적으로 추정하면서 서로 다른 프로브-갤러리 쌍들 사이의 관계 정보를 무시합니다. 그 결과, 일부 어려운 샘플의 유사성 추정이 정확하지 않을 수 있습니다. 본 논문에서는 이러한 제한을 극복하기 위해 새로운 딥 러닝 프레임워크인 유사성 안내 그래프 신경망(Similarity-Guided Graph Neural Network, SGGNN)을 제안합니다. 프로브 이미지와 여러 개의 갤러리 이미지를 주어졌을 때, SGGNN은 프로브-갤러리 쌍(노드) 간의 쌍별 관계를 나타내는 그래프를 생성하고, 이러한 관계를 이용하여 프로브-갤러리 관계 특징을 엔드투엔드 방식으로 업데이트합니다. 이렇게 업데이트된 프로브-갤러리 관계 특징을 사용하여 예측함으로써 정확한 유사성 추정이 이루어질 수 있습니다. 그래프 상의 노드 입력 특징은 서로 다른 프로브-갤러리 이미지 쌍들의 관계 특징입니다. 그런 다음 SGGNN에서 메시지 전달을 통해 프로브-갤러리 관계 특징 업데이트가 수행되며, 이 과정에서 다른 노드들의 정보가 유사성 추정에 고려됩니다. 기존의 그래프 신경망(GNN) 접근법과 달리, SGGNN은 갤러리 인스턴스 쌍들의 풍부한 라벨을 직접 사용하여 엣지 가중치를 학습하므로, 관계 융합에 더욱 정확한 정보를 제공할 수 있습니다. 제안된 방법의 효과성이 세 개의 공개 개인 재식별 데이터셋에서 검증되었습니다.