장기적인 사람 재식별을 위한 의상과 자세에 불변인 3D 형태 표현 학습

장기 사람 재식별(LT-ReID)은 컴퓨터 비전과 생체 인식 분야에서 점점 더 중요한 역할을 하고 있습니다. 본 연구에서는 보행자 인식을 넘어 다양한 실제 인간 활동을 포함하면서도, 긴 시간 간격 동안 의상 변화를 고려하는 LT-ReID를 확장하고자 합니다. 이 설정은 인간의 자세와 의상 다양성으로 인한 기하학적 불일치와 외관 모호성으로 인해 추가적인 도전 과제를 제시합니다. 이러한 도전 과제를 해결하기 위해, 우리는 (i) 3D 옷 입은 사람의 정체성과 비정체성 요소(자세, 의상 형태, 질감)를 분리하고, (ii) 정확한 3D 옷 입은 몸통 형태를 재구성하며 동시에 벌거벗은 몸통 형태의 차별적 특징을 학습하여 사람 재식별을 위한 통합적인 접근 방식인 3DInvarReID를 제안합니다. LT-ReID 연구의 평가를 개선하기 위해, 우리는 다양한 인간 활동과 의상 변화가 포함된 실제 세계 데이터셋인 CCDA(Clothing Change and Diverse Activities dataset)를 수집했습니다. 실험적으로, 우리의 접근 방식이 사람 재식별에 있어 우수한 성능을 보임을 입증하였습니다.