초록
개인 재식별(Person Re-Identification)은 다양한 이유로 인해 여전히 컴퓨터 비전 분야에서 어려운 과제입니다. 한편, 증분 학습(Incremental Learning)도 여전히 문제점이 존재하는데, 이는 딥러닝 모델이 연속적인 작업을 학습할 때 치명적인 잊어버림(catastrophic forgetting) 문제를 겪기 때문입니다. 본 논문에서는 개인 재식별에 사용될 수 있는 다중 작업 모델을 제안하며, 다양한 작업에서 최신 기술(state-of-the-art) 수준의 결과를 제공하면서도 이후에도 상당한 정확도를 유지할 수 있음을 보여줍니다. 우리는 제안된 모델을 Market 1501과 Duke MTMC 두 데이터셋에서 평가했습니다. 광범위한 실험 결과, 이 방법이 개인 재식별(Person ReID)뿐만 아니라 컴퓨터 비전의 다른 작업에서도 효율적으로 증분 학습을 수행할 수 있음을 입증하였습니다.