SiCL: 실루엣 기반 대조 학습을 이용한 의상 변경 시 비지도 사람 재식별

본 논문에서는 매우 도전적이면서도 중요한 과제를 다룹니다: 의상 변경이 있는 비지도 장기 인물 재식별입니다. 기존의 비지도 인물 재식별 방법은 주로 단기 시나리오에 설계되어 있으며, 일반적으로 RGB 신호에 의존하여 의상과 독립적인 특징 패턴을 인식하지 못합니다. 이러한 한계를 극복하기 위해, 우리는 RGB 신호와 실루엣 정보를 대조 학습 프레임워크 내에서 통합하여 의상과 무관한 특징 불변성을 학습하도록 설계된 실루엣 기반 대조 학습(SiCL) 방법을 제안합니다. 우리 지식으로는, 이는 비지도 장기 의상 변경 인물 재식별을 위한 첫 번째 맞춤형 프레임워크이며, 6개의 벤치마크 데이터셋에서 우수한 성능을 보여줍니다. 우리는 제안한 SiCL 방법이 모든 대표적인 데이터셋에서 최신 비지도 인물 재식별 방법들과 비교하여 어떤 성능을 보이는지 평가하기 위해 광범위한 실험을 수행했습니다. 실험 결과는 제안된 SiCL 방법이 다른 비지도 재식별 방법들보다 현저히 우수함을 입증합니다.