개인 재식별을 위한 새로운 비지도 카메라 인식 도메인 적응 프레임워크

비지도 다중 영역 간 사람 재식별(Re-ID)은 두 가지 주요 문제에 직면해 있습니다. 첫째는 소스 영역과 대상 영역 사이의 데이터 분포 차이이며, 둘째는 대상 영역에서 라벨링 정보 부족입니다. 본 논문에서는 표현 학습의 관점에서 이러한 문제들을 다루고 있습니다. 첫 번째 문제에 대해서는, 카메라 수준의 하위 영역이 사람 Re-ID의 고유한 특성임을 강조하고, 이러한 차이를 소스 영역과 대상 영역뿐만 아니라 이들 하위 영역 간에도 줄이기 위해 카메라 인식 도메인 적응(Camera-aware Domain Adaptation) 방법을 개발하였습니다. 두 번째 문제에 대해서는, 대상 영역 각 카메라 내에서 시간적 연속성을 활용하여 차별화된 정보를 생성합니다. 이를 위해 배치 내에서 동적으로 온라인 트리플렛(online triplets)을 생성하여 훈련 과정 중 점진적으로 개선되는 특징 표현(feature representation)을 최대한 활용할 수 있도록 구현하였습니다. 위의 두 가지 방법을 결합하여 새로운 비지도 딥 도메인 적응 프레임워크를 제안합니다. 기준 데이터셋에서 수행된 실험 및 축소 연구(ablation studies)는 이 프레임워크의 우수성과 흥미로운 특성을 입증하고 있습니다.