CCUP:用于预训练服装更换人重新识别模型的可控合成数据生成管道
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了在有限数据下训练服装更换人重新识别模型(CC-ReID)时,因数据构建成本高而导致的过拟合问题。我们提出了一种高效的合成数据生成管道,并构建了Cloth-Changing Unreal Person(CCUP)数据集,以增强传统CC-ReID模型的泛化能力。实验表明,基于CCUP预训练和微调的模型在各项基准测试中表现优于其他先进模型。
本文介绍了一种新的人物重识别任务instruct-ReID,要求通过图像或语言指令检索图像。提出了基于OmniReID数据集和自适应三元组损失的基线方法。实验表明,该方法提升了Market1501和CUHK03的传统ReID性能,并在语言指导的ReID上表现更佳。