BriefGPT - AI 论文速递
·
VI-Diff：单模态标记的可见 - 红外人员再识别的非配对可见 - 红外转换扩散模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了PMT深度学习框架，用于解决VI-ReID任务中的模态变化问题，并提出DCL和MSEL来提高特征区分度。该框架在SYSU-MM01和RegDB数据集上表现优异。
🎯
关键要点
- 提出了一种名为 PMT 的深度学习框架
- PMT 框架采用渐进式共享模态转换器解决 VI-ReID 任务中的模态变化问题
- 对模态共享特征进行可靠度和共性分析
- 提出 Discriminative Center Loss (DCL) 和 Modality-Shared Enhancement Loss (MSEL)
- DCL 和 MSEL 旨在缓解大内部差异和小类间差异问题
- PMT 框架在 SYSU-MM01 和 RegDB 数据集上表现优异
➡️
