本文提出了Pose-Normalization GAN (PN-GAN)，一种对抗生成网络，用于解决行人重识别中的姿态变化问题。通过生成不同姿态的行人图像，PN-GAN帮助学习身份敏感且视角不变的特征，从而降低姿态变化的影响。这种方法在无监督学习环境下展现出高扩展性和普适性，无需额外的训练数据。
论文：Pose-Normalized Image Generation for Person Re-identification
代码：暂无
前言：
这篇是ECCV2018关于行人重识别（Person Re-ID）的文章，由复旦和腾讯AI Lab等联合提出。
我们知道Re-ID任务中有很多的难点，比如：跨摄像头、亮度变化、遮挡，其中一个难点就是：姿态不同。哪怕同一个人，不同时刻行走时的姿态也是千差万别的，这会给行人身份的识别带来很大的干扰因素。因此为了克服这个问题，本文利用了最近十分热门的 GAN 生成一系列不同的行人姿态图，文中定义了8种代表性的姿态，然后生成8张生成图，加上原图总共可以得到9个特征，然后融合原图和生成图的ReID特征作为最终的特征，由于这个feature融合了各个pose的信息，很好地解决的pose bias问题。
Abstract：
行人重识别主要面临两个挑战：
1.缺乏跨视
最低0.47元/天 解锁文章
2290
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
