STFL

新的LSMRL方法增强了可见光-红外行人重识别能力

研究人员开发了一种名为LSMRL的新方法，用于视频可见光-红外行人重识别。该方法旨在创建跨模态不变的序列级表示，这意味着无论输入是可见光还是红外图像，它都能识别个体。LSMRL包含用于时空特征学习、语义扩散和跨模态交互的模块，以提高特征一致性并缩小模态间的差距。该方法还引入了特定的损失函数，以增强这些表示的判别能力和泛化能力，并在大规模数据集上展示了卓越的性能。