불변성이 중요하다: 영역 적응형 사람 재식별을 위한 예제 메모리

본 논문은 도메인 적응형 사람 재식별(re-ID) 문제를 다룹니다: 라벨이 부착된 소스 도메인과 라벨이 없는 타겟 도메인에서 re-ID 모델을 학습하는 것입니다. 기존 방법들은 주로 소스 도메인과 타겟 도메인 간의 특성 분포 차이를 줄이는 데 중점을 두고 있습니다. 그러나 이러한 연구들은 타겟 도메인 내의 변동성을 크게 무시하고 있으며, 이는 타겟 도메인에서의 테스트 성능에 중요한 영향을 미치는 요소입니다. 본 연구에서는 타겟 도메인 내의 변동성을 종합적으로 조사하고, 세 가지 기본 불변성(exemplar-invariance, camera-invariance, neighborhood-invariance)에 대해 re-ID 모델을 일반화하는 방법을 제안합니다. 이를 달성하기 위해, 타겟 도메인의 특성을 저장하고 세 가지 불변성 속성을 수용할 수 있는 예제 메모리(exemplar memory)가 소개되었습니다. 이 메모리는 전역 훈련 배치에 걸쳐 불변성 제약을 강제 적용하면서 계산 비용을 크게 증가시키지 않습니다. 실험 결과, 세 가지 불변성 속성과 제안된 메모리는 효과적인 도메인 적응 시스템을 구축하는 데 필수적임이 입증되었습니다. 세 개의 re-ID 도메인에서의 결과는 우리의 도메인 적응 정확도가 최신 기술보다 크게 우수함을 보여줍니다. 코드는 다음 링크에서 확인 가능합니다: https://github.com/zhunzhong07/ECN