보행자 속성 인식의 재고찰: 효율적인 방법으로 실용적 데이터셋 구축

보행자 속성 인식 분야에서 다양한 방법이 제안되었음에도 불구하고, 기존 데이터셋에서 중요한 문제 하나가 종종 간과되고 있습니다. 이는 훈련 세트와 테스트 세트에 동일한 보행자 식별자가 대량으로 포함되어 있다는 점이며, 이는 실제 응용과 일치하지 않습니다. 따라서, 훈련 세트와 테스트 세트의 동일한 보행자 식별자의 이미지들은 매우 유사하여, 최신 방법들의 성능이 기존 데이터셋에서 과대평가되는 결과를 초래합니다. 이러한 문제를 해결하기 위해, PETA 및 RAPv2 데이터셋을 기반으로 한 zero-shot 설정에 따라 두 개의 현실적인 데이터셋인 PETA\textsubscript{$zs$}와 RAPv2\textsubscript{$zs$}를 제안합니다. 또한, 우리의 강력한 베이스라인 방법과 비교할 때 최근의 최신 방법들이 PETA, RAPv2, PETA\textsubscript{$zs$}, RAPv2\textsubscript{$zs$}에서 성능 개선을 이루지 못하는 것을 확인하였습니다. 이를 통해 보행자 속성 인식에서 내재된 속성 불균형 문제를 해결하고, 성능을 더욱 향상시키기 위한 효율적인 방법을 제안합니다. 기존 및 제안된 데이터셋에 대한 실험은 우리 방법이 최신 성능을 달성함으로써 그 우수성을 입증하였습니다.