BriefGPT - AI 论文速递
·
动态模态-相机不变聚类用于无监督可见-红外行人重识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出动态模态-相机不变聚类（DMIC）框架，旨在解决无监督可见-红外行人重识别中的身份过度拆分问题，从而显著提升跨模态关联的准确性和可靠性。
🎯
关键要点
- 本研究提出动态模态-相机不变聚类（DMIC）框架。
- DMIC框架旨在解决无监督可见-红外行人重识别中的身份过度拆分问题。
- 该框架结合了模态-相机不变扩展、动态邻域聚类和混合模态对比学习。
- 通过消除聚类中的交模态和交相机差异，显著提高了跨模态关联的准确性和可靠性。
- 实验结果显示DMIC框架在性能上与监督方法的差距缩小。
➡️
