Text Semantic Generation

新的CLIP驱动网络增强了可见光-红外行人重识别能力

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。