使用扩散模型合成高效的数据进行个体重新识别预训练
原文中文,约300字,阅读约需1分钟。发表于: 。提出了一种新的 Diffusion-ReID 范例,通过生成和过滤阶段来有效增强和生成不同的图像,首先创造了一个新的大规模人员重识别数据集 Diff-Person,接着构建了一个基于 Diff-Person 预训练的更强大的人员重识别模型,与其他预训练和自监督竞争者相比,展现了显著的优势。
该研究探讨了跨域视频人物再识别的新问题,通过合成数据训练并在真实世界视频上测试,减少对真实训练数据的依赖。研究提出了自监督领域不变特征学习策略,并通过自监督一致性损失改进了人物识别能力。实验结果验证了跨合成与真实领域适应的合理性和方法的有效性。在跨域设置中,合成数据的表现甚至优于真实数据。