초록
차량 재식별(Vehicle Re-Identification, V-ReID)은 서로 다른 카메라 시점에서 촬영된 이미지 간에 동일한 차량을 연결하는 핵심적인 작업이다. 기존 연구들은 V-ReID 성능을 향상시키기 위해 차량의 속성 정보(예: 색상, 차량 유형 등)를 활용하는 방향으로 접근해 왔으나, 속성 관련 모듈과 최종 V-ReID 목표 간에 효과적인 상호작용이 부족한 경향이 있다. 본 연구에서는 차량 속성에서 구분력 있는 정보를 효율적으로 탐색하기 위한 새로운 방법을 제안한다. 우리는 정체성 관련 특징과 속성 특징을 동시에 추출하는 AttributeNet(ANet)을 도입한다. 이를 통해 ReID에 유용한 속성 특징을 추출하고, 이를 일반적인 ReID 특징에 통합함으로써 특징의 구분 능력을 강화한다. 더불어, 일반 ReID 특징에 속성 특징을 추가한 후의 특징이 원래 일반 ReID 특징보다 더 구분력 있도록 유도하는 제약 조건인 ‘개선 제약 조건(Amelioration Constraint, AC)’을 제안한다. 제안한 프레임워크는 세 가지 도전적인 데이터셋에서 검증되었으며, 실험 결과 본 방법이 최고 수준의 성능을 달성함을 확인하였다.