Hi-CMD: Hierarchical Cross-Modality Disentanglement for Visible-Infrared Person Re-Identification
当前的问题及概述:
为了减少模内和模间的差异,我们提出了一种分层模间解调(Hi-CMD)方法,本文提出的方法有效的将ID-discriminative特征和ID- excluded特征分离出来,进而进行分别学习。
ID-discriminative(包含ID特征):性别、穿着(编码器EP),浅层信息,输出张量
ID- excluded(不含ID特征):姿态、光照(编码器Ea),深层信息,输出向量
模型及loss:
本文提出的Hi-CMD框架由两部分组成:身份保持人物图像生成(ID-PIG)网络和层次特征学习(HFL)模块,我们的目标是从交叉模态图像中分离出ID-discriminative和ID- excluded。
2.1Identity Preserving Person Image Generation
2.1.1Hierarchical representation(层级表示)
首先将RGB和红外图像分别输入,EP1和EP2分别提取
2019 CVPR之ReID:Hi-CMD: Hierarchical Cross-Modality Disentanglement for Visible-Infrared Person Re-Id
最新推荐文章于 2022-09-21 14:11:47 发布