FD-GAN: 자세 안내 기능 증류 GAN을 이용한 강건한 사람 재식별

개인 재식별(reID)은 주어진 한 장의 관심 인물 이미지를 통해 이미지 데이터셋에서 해당 인물의 이미지를 검색하는 중요한 작업입니다. 강건한 개인 특징을 학습하기 위해서는 개인 이미지의 자세 변동이 주요 과제 중 하나입니다. 기존 연구들은 이 문제를 해결하기 위해 인간 정렬을 수행하거나 인간 영역 기반 표현을 학습하는 방법을 사용하였습니다. 추론 시 추가적인 자세 정보와 계산 비용이 일반적으로 필요합니다. 이러한 문제를 해결하기 위해, 동일 인물과 관련된 특징과 자세와 무관한 특징을 학습하기 위한 특징 증류 생성적 적대 네트워크(FD-GAN, Feature Distilling Generative Adversarial Network)가 제안되었습니다. FD-GAN은 인간 자세와 식별에 대해 여러 개의 새로운 판별기를 갖춘 쌍생구조(Siamese structure)를 기반으로 하는 혁신적인 프레임워크입니다. 판별기 외에도, 동일 인물의 생성된 이미지들이 유사한 외관을 가지도록 요구하는 새로운 동일자세 손실(same-pose loss)도 통합되었습니다. 자세 안내를 통해 자세와 무관한 개인 특징을 학습한 후, 테스트 단계에서는 보조적인 자세 정보나 추가적인 계산 비용이 필요하지 않습니다. 제안된 FD-GAN은 세 개의 개인 재식별 데이터셋에서 최고 수준의 성능을 달성하였으며, 이는 제안된 FD-GAN의 효과성과 강건한 특징 증류 능력을 입증합니다.