极市平台 | 行人、车辆、动物等ReID最新综述！武大等全面总结Transformer方法 | IJCV 2024

本文来源公众号“极市平台”，仅用于学术分享，侵权删，干货满满。

原文链接：行人、车辆、动物等ReID最新综述！武大等全面总结Transformer方法 | IJCV 2024

2024的最后一篇文章！提前祝大家跨年快乐！

2024好好再见 2025笑笑迎接 来自乐队“五月天MAYDAY”！

极市导读

研究人员对基于Transformer的Re-ID研究进行了全面回顾和深入分析，将现有工作分类为图像/视频Re-ID、数据/标注受限的Re-ID、跨模态Re-ID以及特殊Re-ID场景，提出了Transformer基线UntransReID，设计动物Re-ID的标准化基准测试，为未来Re-ID研究提供新手册。

目标重识别（Object Re-identification，简称Re-ID）旨在跨不同时间和场景识别特定对象。

近年来，基于Transformer的Re-ID改变了该领域长期由卷积神经网络（CNN）主导的格局，不断刷新性能记录，取得重大突破。

与以往基于CNN与有限目标类型的Re-ID综述不同，来自武汉大学、中山大学以及印第安纳大学的研究人员全面回顾了近年来关于Transformer在Re-ID中日益增长的应用研究，深入分析Transformer的优势所在，总结了Transformer在四个广泛研究的Re-ID方向上的应用，同时将动物加入Re-ID目标类型，揭示Transformer架构在动物Re-ID应用的巨大潜力。

论文地址：http://arxiv.org/abs/2401.06960

项目地址：https://github.com/mangye16/ReID-Survey

Transformer架构方法打破CNN架构性能记录

研究背景

Transformer以优异性能满足各种Re-ID任务的需求，提供一种强大、灵活且统一的解决方案。

研究人员将现有工作分类为基于图像/视频的Re-I