ReMix: 데이터 혼합을 이용한 일반화된 사람 재식별 모델 훈련

현대의 사람 재식별(Re-ID) 방법은 일반화 능력이 약하고, 촬영 환경이 변경될 때 정확도가 크게 떨어집니다. 이는 기존의 다중 카메라 Re-ID 데이터셋이 크기와 다양성 면에서 제한적이기 때문이며, 이러한 데이터를 얻는 것이 어렵기 때문입니다. 한편으로, 라벨이 붙지 않은 단일 카메라 기록들이 엄청난 양으로 존재합니다. 이러한 데이터는 쉽게 수집할 수 있으므로 더 다양합니다. 현재 단일 카메라 데이터는 Re-ID 방법의 자기 지도 사전 학습에만 사용되고 있습니다. 그러나 사전 학습 후에는 제한된 다중 카메라 데이터로 미세 조정(fine-tuning)을 하게 되어 단일 카메라 데이터의 다양성이 억제됩니다. 본 논문에서는 ReMix라는 새로운 방법을 제안합니다. 이 방법은 제한된 라벨이 붙은 다중 카메라 데이터와 대규모 라벨이 붙지 않은 단일 카메라 데이터의 혼합체 위에서 공동 학습(jointly trained)되는 일반화된 Re-ID 방법입니다. 우리 방법의 효과적인 학습은 새로운 데이터 샘플링 전략과 두 유형의 데이터와 함께 사용하도록 적응된 새로운 손실 함수(loss functions)를 통해 이루어집니다. 실험 결과, ReMix는 높은 일반화 능력을 보여주며, 일반화 가능한 사람 재식별 분야에서 최신 연구 성과(state-of-the-art methods)를 초월하는 것으로 나타났습니다. 우리 지식范围内에 따르면, 이는 다중 칫카메라와 단일 칫카메라 데이터 혼합체 위에서 공동 학습을 탐구한 최초의 연구입니다.注：最后一句中的“范围内”在韩文中应为“범위 내”以保持句子的流畅性和准确性。因此，正确的翻译应该是：우리 지식 범위 내에 따르면, 이는 다중 카메라와 단일 카메라 데이터 혼합체 위에서 공동 학습을 탐구한 최초의 연구입니다.