BriefGPT - AI 论文速递
·
频域模态不变特征学习在可见 - 红外人员再识别中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
介绍了PMT深度学习框架解决VI-ReID任务中的模态变化问题，提出了DCL和MSEL来改善特征区分能力。在SYSU-MM01和RegDB数据集上表现优于其他方法。
🎯
关键要点
-
提出了一种名为 PMT 的深度学习框架，解决 VI-ReID 任务中的模态变化问题。
-
采用渐进式共享模态转换器进行模态共享特征的可靠度和共性分析。
-
提出 Discriminative Center Loss (DCL) 和 Modality-Shared Enhancement Loss (MSEL) 来改善特征区分能力。
-
该框架在 SYSU-MM01 和 RegDB 数据集上的表现优于其他最新方法。
➡️
