Identity-Conditioned Score Fusion

新框架通过针对个体身份定制融合来改进行人重识别

研究人员开发了一个名为身份条件分数融合（Identity-Conditioned Score Fusion）的新框架，以改进行人重识别。该方法根据个体身份动态调整融合权重，而不是仅仅依赖查询质量或通用模型强度。通过分析同一身份内的一致性与跨身份冒充者，该系统创建了特定于身份的档案，增强了正确匹配与错误匹配之间的区分度。在三个基准上的评估显示出显著的改进，与现有的统计、基于排名和学习方法相比，假非识别率降低了高达 8.8%。