Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Domain Consistency Representation Learning for Lifelong Person Re-Identification

Created by
  • Haebom

作者

Shiben Liu, Huijie Fan, Qiang Wang, Weihong Ren, Yandong Tang, Yang Cong

概要

本論文は,継続的なデータ学習におけるLifelong Person Re-identification(LReID)問題を扱う。 LReIDには、ドメイン内の差別性（個人の微妙な違い、例えば服、アクセサリーなど）とドメイン間の違いを同時に考慮する必要がある相反する関係があります。既存の方法は主に知識蒸留によってドメイン間の差を減らすことに集中しているが、ドメイン内の差別性を見落とす傾向がある。本論文では、ドメイン内の差別性とドメイン間の差のバランスをとるために、グローバルおよび属性別の表現を利用する新しいドメイン一貫性表現学習（DCR）モデルを提案します。ドメイン内レベルでは、グローバルと属性別の表現間の相補的な関係を活用して、類似したアイデンティティ間の差別性を向上させ、過度のドメイン内差別性学習による忘却問題を解決するために、属性ベースの忘却防止（AF）戦略と知識統合（KC）戦略を提示します。実験結果は、提案されたDCRモデルが最先端のLReID方法よりも優れた性能を達成することを示しています。

Takeaways、Limitations

•
Takeaways：
◦
グローバルおよび属性別の表現を活用して、LReIDにおけるドメイン内の差別性とドメイン間の差のバランスを効果的に制御する新しい方法を提示します。
◦
属性ベースの忘却防止（AF）戦略と知識統合（KC）戦略により、継続的な学習における忘却問題を軽減します。
◦
最先端のLReID法よりも優れた性能を達成し、LReID分野の発展に貢献します。
◦
公開されたコードで再現性を高めました。
•
Limitations：
◦
提案された方法のパフォーマンス向上が特定のデータセットに限定される可能性があります。さまざまなデータセットに対する追加の実験が必要です。
◦
属性別の表現学習に関する追加の分析と改善が必要になる場合があります。
◦
複雑なモデル構造により、計算コストが増加する可能性があります。
👍
Made with Slashpage