Infrared-Visible Cross-Modal Person Re-Identification with an X Modality
论文:https://download.csdn.net/download/qq_41967539/12363836
当前的问题及概述:
1,红外和可见光分别包含了许多不同的信息,以往的方法倾向于直接从这两种原始模态中学习跨模态信息。但结果说明这种直接映射并不足以缩小两种模式之间的差距。
为了解决这一问题,本文引入了一个X模态作为辅助,提出了一个x -RGB-IR(XIV) ReID交叉模态学习框架。首先,X模态是由一个简单网络生成的,该网络采用自监督方式学习,其中的标签来自RGB图像。其次,在XIV框架下,跨模态学习由本文提出的跨模态GAP约束来引导,通过可见、X和红外的模态来交换特征等信息。如下图:
上图中,不同的颜色表示不同的id。虚线框中为易匹配为一个类别。(a)由于可见光和红外线模态之间的差距很明显,因此很难进行跨模式匹配;(b)有了X模态,跨模式匹配变得更容易。
2,同时,从可见图像中自动生成标签的X图像提供了额外的自我监督信息,与GAN网络相比,结构更简便,计算量更小,同时基于gan的方法不仅在信道维数上重构信
2020 AAAI之ReID:Infrared-Visible Cross-Modal Person Re-Identification with an X Modality
最新推荐文章于 2022-09-22 16:15:55 发布