RGB 모달리티만을 사용한 의상 변경 인물 재식별

의복 변경 사람 재식별(re-id) 문제를 해결하기 위한 핵심은 얼굴, 헤어스타일, 체형, 걸음걸이 등의 의복과 무관한 특징을 추출하는 것입니다. 현재 대부분의 연구는 다중 모드 정보(예: 실루엣과 스케치)에서 체형을 모델링하는 데 주력하고 있지만, 원본 RGB 이미지에 포함된 의복과 무관한 정보를 충분히 활용하지 못하고 있습니다. 본 논문에서는 원본 RGB 이미지에서 의복과 무관한 특징을 추출하기 위해 re-id 모델의 의복 예측 능력을 제재하는 의복 기반 적대적 손실(Clothes-based Adversarial Loss, CAL)을 제안합니다. 광범위한 실험 결과, RGB 이미지만을 사용하여 CAL이 널리 사용되는 의복 변경 사람 재식별 벤치마크에서 모든 최신 방법보다 우수함을 입증하였습니다. 또한, 비디오가 이미지보다 더 풍부한 외모와 추가적인 시간 정보를 포함하고 있어, 이는 의복 변경 재식별을 지원하기 위한 적절한 시공간 패턴을 모델링하는 데 활용될 수 있습니다. 공개적으로 이용 가능한 의복 변경 비디오 재식별 데이터셋이 없기 때문에, 우리는 새로운 데이터셋인 CCVID를 제공하며, 시공간 정보를 모델링하는 데 많은 개선 여지가 있음을 보여줍니다. 코드와 새로운 데이터셋은 다음 링크에서 확인할 수 있습니다: https://github.com/guxinqian/Simple-CCReID.