관계 보존형 트리플릿 마이닝: 재식별 시스템에서 트리플릿 손실의 안정화를 위한 방법

객체의 자세 변화에 따라 외형이 극적으로 달라지며, 이는 동일한 객체 ID를 가진 인스턴스들을 가능한 한 가까운 위치에 매핑하려는 임베딩 기법에 도전을 제기한다. 이러한 문제는 재식별(re-identification, reID)과 같은 복잡한 컴퓨터 비전 과제에서 더욱 심화된다. 본 논문에서는 이러한 극적인 외형 변화가 객체 ID가 여러 자연스러운 그룹으로 구성되어 있음을 시사하며, 서로 다른 그룹에 속한 인스턴스를 강제로 동일한 위치로 매핑하는 것은 오히려 부정적인 결과를 초래함을 제안한다. 이를 바탕으로, 객체 ID 내 자연스러운 하위 그룹 구조를 존중하도록 보장하는 관계 보존 삼중항 탐색(Relation Preserving Triplet Mining, RPTM)이라는 특징 매칭을 유도하는 삼중항 탐색 기법을 제안한다. 이 삼중항 탐색 기법을 활용하여 시각 일관성을 암묵적으로 강제함으로써, 자세 인지 가능하고 잘 조건화된 삼중항 손실을 구축한다. 이를 통해 고정된 파라미터로 다양한 데이터셋에서 단일 네트워크를 학습할 수 있으며, 최첨단 성능을 제공할 수 있다. 코드는 https://github.com/adhirajghosh/RPTM_reid 에서 제공된다.