단일 이미지에서 보행 예측 및 정규화를 이용한 의상 변경 사람 재식별

의상 변경 사람 재식별(Cloth-Changing Person Re-Identification, CC-ReID)은 같은 사람이 다른 위치에서 장기간에 걸쳐, 예를 들어 며칠 동안 일치하는 것을 목표로 하므로, 의상 변경 문제를 피할 수 없습니다. 본 논문에서는 특히 단일 이미지에서만 수행되는 더 어려운 환경에서 CC-ReID 문제를 효과적으로 처리하는 데 초점을 맞춥니다. 이는 실시간 감시 응용 프로그램을 위한 효율적이고 지연 시간이 없는 보행자 식별을 가능하게 합니다. 구체적으로, 개인의 독특하고 의상과 무관한 보행 정보를 활용하여 의상과 무관한 표현을 학습하도록 이미지 재식별 모델(Image ReID Model)을 유도하기 위해 보행 인식(Gait Recognition)을 보조 작업으로 도입합니다. 이를 GI-ReID라는 프레임워크로 명명하였습니다.GI-ReID는 이미지 재식별 스트림(Image ReID-Stream)과 보조 보행 인식 스트림(Auxiliary Gait Recognition Stream, Gait-Stream)으로 구성된 두 스트림 아키텍처를 채택합니다. Gait-Stream은 추론 시 높은 계산 효율성을 위해 제거되지만, 훈련 중에 ReID-스트림이 의장 불변 생체 운동 특징을 포착하도록 격려하는 역할을 합니다. 단일 이미지에서 시간적으로 연속적인 운동 정보를 얻기 위해 Gait-Stream에 대한 보행 시퀀스 예측(Gait Sequence Prediction, GSP) 모듈을 설계하여 보행 정보를 풍부하게 만듭니다. 마지막으로, 두 스트림 간의 고차원 의미 일관성을 강제 적용하여 효과적인 지식 규제를 수행합니다.다양한 이미지 기반 의상 변경 재식별 벤치마크(LTCC, PRCC, Real28, VC-Clothes 등)에서 수행된 실험 결과는 GI-ReID가 최신 기술들과 비교해 우수한 성능을 발휘함을 입증하였습니다. 코드는 https://github.com/jinx-USTC/GI-ReID 에서 제공됩니다.