Near-identity Distractors

NearID 框架使用近同身份干扰物分离身份表示

研究人员推出 NearID，一个利用近同身份干扰物在计算机视觉中学习身份表示的新框架。该方法旨在将物体身份与背景上下文分离开来，这是现有视觉编码器中的一个常见问题。NearID 数据集包含 19,000 个身份和超过 300,000 个干扰物，旨在将身份作为唯一的区分信号进行分离。初步评估显示预训练编码器的性能较差，但新的对比学习目标将身份区分准确率显著提高到 99.2%。