可见光-红外行人重识别（Visible-Infrared Person Re-Identification, VI-ReID）

论文作者：Yuheng Jia,Wesley Armour

作者单位：University of Oxford

论文链接：http://arxiv.org/abs/2502.21163v1

内容简介：

1）方向：可见光-红外行人重识别（Visible-Infrared Person Re-Identification, VI-ReID）

2）应用：VI-ReID

3）背景：在VI-ReID任务中，由于可见光和红外（RGB-IR）图像之间的模态差异，光照变化和遮挡现象，传统方法难以实现高效的行人识别。为了克服这些挑战，需要开发更为鲁棒的模型。

4）方法：本文提出了一种名为AMINet（自适应模态交互网络）的新型方法。AMINet通过多粒度特征提取，从全身和上半身图像中提取综合身份属性，提高了对遮挡和背景杂乱的鲁棒性。模型采用互动特征融合策略，进行深度的模态内和跨模态对齐，增强了泛化能力，并有效弥合了RGB和IR模态之间的差距。此外，AMINet利用相位一致性提取鲁棒的、光照不变的特征，并采用自适应多尺度核最大均值差异（MMD）对齐不同尺度的特征分布。

5）结果：在多个基准数据集上的大量实验验证了AMINet方法的有效性。在SYSU-MM01数据集上，AMINet达到了74.75%的Rank-1准确率，超越了基线方法7.93%，并且比当前最先进的方法提高了3.95%。