초록
사람 재식별(Person Re-identification, ReID) 작업에서 많은 연구들은 전역 이미지 특징보다 성능을 향상시키기 위해 부분 특징의 학습을 탐구하고 있다. 기존 방법들은 외부 시각 시스템을 통해 얻은 관절점(keypoints) 또는 수작업으로 설계된 이미지 분할을 이용해 명시적인 부분 특징을 추출한다. 본 연구에서는 명시적인 신체 부위와 분리된 판별력 있는 은닉 부분(Discriminative implicit Parts, DiPs)을 학습하는 새로운 접근법을 제안한다. 이로 인해 DiPs는 미리 정의된 신체 부위(예: 악세서리 등)를 넘어서, 개체를 구분하는 데 유리한 임의의 판별력 있는 특징을 학습할 수 있다. 또한, 각 DiP에 대해 기하학적 해석을 제공하는 새로운 은닉 위치(implicit position)를 제안한다. 이 은닉 위치는 이미지 내 개체와 더 높은 위치 등변성(position-equivariance)을 가지도록 DiPs를 학습시키는 신호로도 활용될 수 있다. 마지막으로, 가려짐 또는 부분적으로 보이지 않는 상황을 처리하고 DiPs의 특징 표현을 더욱 향상시키기 위해 추가적인 DiP 가중치 기법을 도입한다. 광범위한 실험 결과, 제안하는 방법이 여러 사람 ReID 벤치마크에서 최고 수준의 성능을 달성함을 확인하였다.