MSINet: 객체 ReID를 위한 다중 스케일 상호작용의 쌍대 대조 검색

신경망 구조 탐색(Neural Architecture Search, NAS)은 객체 재식별(Object Re-Identification, ReID) 분야에서 점점 더 주목받고 있습니다. 이는 과제 특화 구조가 검색 성능을 크게 향상시키기 때문입니다. 이전 연구들은 NAS ReID를 위한 새로운 최적화 목표와 탐색 공간을 탐구했지만, 이미지 분류와 ReID 간의 학습 방식 차이를 간과했습니다. 본 연구에서는 ReID 구조 탐색에 더 적합한 지도를 제공하기 위해 새로운 쌍대 대비 메커니즘(Twins Contrastive Mechanism, TCM)을 제안합니다. TCM은 학습 데이터와 검증 데이터 사이의 범주 중복을 줄이고, 실제 환경에서의 ReID 학습 방식을 시뮬레이션하는 데 NAS에 도움을 줍니다. 또한, 다중 스케일 특성 간의 합리적인 상호 작용을 찾기 위한 다중 스케일 상호 작용(Multi-Scale Interaction, MSI) 탐색 공간을 설계하였습니다. 더불어, 다양한 출처의 이미지를 처리할 때 주의 일관성을 더욱 강화하기 위해 공간 정렬 모듈(Spatial Alignment Module, SAM)을 소개합니다. 제안된 NAS 방식 하에서 자동으로 특정 구조가 탐색되었으며, 이를 MSINet이라고 명명하였습니다. 광범위한 실험 결과는 우리의 방법이 영역 내 및 영역 간 시나리오 모두에서 기존 최신 ReID 방법들을 능가함을 입증하였습니다. 소스 코드는 https://github.com/vimar-gu/MSINet에서 확인 가능합니다.