CVPR 2020相关的论文出来了,最近刚好在做一些和Reid相关的工作,所以决定把这部分的论文整理整理,与人方便自己方便。欢迎大家交流指正。
(1)Camera On-boarding for Person Re-identification using Hypothesis Transfer Learning
这篇文章目标是将已有Reid模型通过一定的方法可以推广到新的camera环境中去。作者把这种方法称为假设迁移学习,大致可以认为,利用已有的source集上训练的模型和少量的已有的标注数据,就可以完成对于新场景下任务的适配。这个方法很有意思,最近看过相似的文章在做类似的事情。
(2)Salience-Guided Cascaded Suppression Network for Person Re-identification
本文认为提高Reid性能的瓶颈在于抓住一些非显著特征的细节信息。所以作者提出了一种级联抑制策略,使得网络能够一步一步地挖掘出被其他显著特征掩盖的各种潜在有用特征,并且每个阶段都集成了不同的特征嵌入,以实现最后一种有区别的行人表示。
(3)Inter-Task Association Critic for Cross-Resolution Person Re-Identification
本文尝试探索一种超分辨率模型和Reid模型联合训练的方法,用来解决由于gallery和query分辨率不一致导致的性能差异。
(4)Hi-CMD: Hierarchical Cross-Modality Disentanglement for Visible-Infrared Person Re-Identification
基于红外的Reid在一些夜视的应用中相当重要。Vi-Reid(VI-ReID)会受到一些跨模态,不同光线环境等比纯视觉Reid更难的挑战。文中提出了一个分层跨模态分离模型来解决这个问题。
(5)Learning Longterm Representations for Person Re-Identification Using Radio Signals
这篇论文私以为创意不错,但是实用的话有点鬼扯。文章说Reid所依赖的大部分信息,衣服款式,颜色,发型等很多关键信息都只是在短时间内不变的,很难做到长时间跨度的Reid。所以为了解决这个长时间跨度的问题。作者就提出了,我们使用射频信号来采集人的体型等信息,这是不是就很nice了,而且没有冒犯隐私,技术也可行,黑人问号脸,我并不觉得可以。
(6)Pose-guided Visible Part Matching for Occluded Person ReID
为了解决局部遮挡的问题,文本提出了一个基于Pose引导的局部匹配的reid的方法。方法中使用 pose-guided attention 在增强对于局部细节的关注能力,同时增加了一个模块来判断该局部部分是否被遮挡。
(7)Real-world Person Re-Identification via Degradation Invariance Learnin