English(EN) CLIP4VI-ReID: Learning Modality-shared Representations via CLIP Semantic Bridge for Visible-Infrared Person Re-identification

新的CLIP驱动网络增强了可见光-红外行人重识别能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-05 04:00

研究人员开发了CLIP4VI-ReID，一种用于可见光-红外行人重识别的新型网络。该系统利用CLIP语义桥学习模态共享表示，解决了自然图像和红外图像之间的物理差异。该方法包括为可见光图像生成文本语义以对齐模态，用这些语义校正红外特征嵌入，并精炼高级语义对齐以确保捕获与身份相关的信息，从而实现准确的跨模态匹配。实验表明，CLIP4VI-ReID在相关数据集上的表现优于现有的最先进方法。 AI

影响这项研究可以提高不同视觉模态下行人重识别系统的准确性和效率。

排序理由这是一篇详细介绍计算机视觉任务新方法的学术论文。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Xiaomei Yang, Xizhan Gao, Sijie Niu, Fa Zhu, Guang Feng, Xiaofeng Qu, David Camacho · 2026-08-05 04:00

CLIP4VI-ReID: Learning Modality-shared Representations via CLIP Semantic Bridge for Visible-Infrared Person Re-identification

arXiv:2511.10309v2 Announce Type: replace Abstract: This paper proposes a novel CLIP-driven modality-shared representation learning network named CLIP4VI-ReID for VI-ReID task, which consists of Text Semantic Generation (TSG), Infrared Feature Embedding (IFE), and High-level Sema…

报道来源 [1]

CLIP4VI-ReID: Learning Modality-shared Representations via CLIP Semantic Bridge for Visible-Infrared Person Re-identification

相关实体

相关话题