PulseAugur
中
实时 08:15:25
English(EN) Dual-Edged Homogeneous-Modality Similarity: Towards Visible-Infrared Modality-Incomplete Person Re-Identification with Modality Adaptive Matching

新的 VIMI-ReID 任务和 MAMT 模型应对可见光-红外行人重识别挑战

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了一个名为可见光-红外模态不完整重识别（VIMI-ReID）的新任务，以应对跨不同视觉光谱的行人重识别挑战。现有方法在开放世界场景中表现不佳，查询和图库图像可能属于相同或不同模态，导致匹配冲突和性能下降。为了解决这个问题，提出了一种模态自适应匹配 Transformer（MAMT），它利用专门的模块提取模态特定和共享的特征，并动态融合它们，以便在不确定的条件下进行稳定匹配。 AI

影响 这项研究可以提高行人重识别系统在真实世界、多样化视觉条件下的可靠性和适应性。

排序理由 该集群包含一篇详细介绍计算机视觉新任务和模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的 VIMI-ReID 任务和 MAMT 模型应对可见光-红外行人重识别挑战

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Xin Xu, Shuhao Zhan, Wei Liu, Zheng Wang, Kui Jiang, Chia-Wen Lin ·

    双刃同质模态相似性：面向模态不完整的可见光-红外线行人重识别及模态自适应匹配

    arXiv:2607.18688v1 Announce Type: new Abstract: Visible-Infrared Person Re-Identification (VI-ReID) operates under a closed-world assumption, where queries and galleries are from heterogeneous modalities. However, in open-world scenarios, both sets are likely to contain homogeneo…

相关话题