문화적 인식을 고려한 겸손한 차림새에서의 사람 재식별 벤치마크

개인 재식별(Person Re-Identification, ReID)은 감시와 보안 분야에서 중요한 응용을 가진 컴퓨터 비전의 기본적인 과제입니다. 최근 몇 년간의 발전에도 불구하고, 대부분의 기존 ReID 모델들은 이란과 같은 이슬람 지역에서 일반적인 겸손한 의상 스타일로 인해 다양한 문화적 맥락에 걸쳐 일반화하는 데 어려움을 겪고 있습니다. 기존 데이터셋은 주로 서양과 동아시아 패션을 특징으로 하여, 이러한 환경에서의 적용 범위가 제한됩니다. 이 문제를 해결하기 위해, 우리는 이란 과학기술대학교(Iran University of Science and Technology) 개인 재식별(IUST_PersonReId) 데이터셋을 소개합니다. 이 데이터셋은 새로운 문화적 환경에서 ReID의 독특한 도전 과제를 반영하도록 설계되었으며, 특히 겸손한 의상과 이란의 다양한 장면(시장, 캠퍼스, 모스크 등)을 강조합니다.IUST_PersonReId 데이터셋에서 최신 모델들(Semantic Controllable Self-supervised Learning (SOLIDER) 및 Contrastive Language-Image Pretraining Re-Identification (CLIP-ReID))을 사용한 실험 결과는 Market1501 및 Multi-Scene Multi-Time (MSMT17) 벤치마크와 비교하여 성능이 크게 저하되는 것을 보여줍니다. 구체적으로, SOLIDER는 Market1501과 MSMT17에 비해 각각 50.75%와 23.01%의 평균 정밀도(Mean Average Precision, mAP)가 하락하였으며, CLIP-ReID는 각각 38.09%와 21.74%의 mAP 하락을 나타냈습니다. 이러한 결과는 가림 현상(occlusion)과 구분 가능한 특징이 부족함으로 인해 발생하는 도전 과제를 강조합니다.시퀀스 기반 평가는 시간적 맥락(temporal context)을 활용함으로써 개선된 성능을 보여주며, 이는 문화적으로 민감하고 견고한 ReID 시스템 개발에 있어 데이터셋의 잠재력을 부각시킵니다. IUST_PersonReId는 전 세계적으로 ReID 연구에서 공정성(fairness)과 편향(bias) 문제를 해결하는 데 중요한 자원을 제공합니다.