实体
Xizhan Gao
Xizhan Gao
PulseAugur coverage of Xizhan Gao — every cluster mentioning Xizhan Gao across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
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。
-
新的DCSCR方法增强了少样本图像集分类
本文介绍了DCSCR，一种用于少样本图像集分类的新方法。DCSCR结合了传统方法和深度学习，以学习有效的特征表示并探索图像集之间的相似性。该方法包括一个特征提取器、一个全局特征学习模块和一个类别特定协同表示度量学习模块，该模块使用新的对比损失函数。在多个数据集上的实验表明，DCSCR的性能优于现有的最先进算法。
-
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。