부분 주의 기반 모델로 가려진 사람의 재식별을 더 강화하기

가려진 사람 재식별(ReID)의 목표는 가려진 상황에서 특정 보행자를 검색하는 것입니다. 그러나 가려진 사람 ReID는 여전히 배경의 혼잡함과 저품질의 지역 특징 표현으로 인해 모델 성능이 제한되고 있습니다. 우리의 연구에서는 이러한 문제를 효과적으로 해결하기 위해 부분 주의 메커니즘을 통합한 새로운 ReID 모델인 PAB-ReID 프레임워크를 소개합니다. 첫째, 보다 정확한 인간 부분 주의 맵 생성을 안내하기 위해 인간 파싱 레이블을 도입합니다. 추가로, 우리는 배경 간섭을 억제하면서 세밀한 인간 지역 특징 표현을 생성하기 위한 세밀한 특징 집중기를 제안합니다. 더욱이, 인간 지역 특징 학습을 감독하고 클래스 내/간 거리 최적화를 위한 부분 삼중 손실도 설계하였습니다. 우리는 전문 가려짐 및 일반 ReID 데이터셋에서 광범위한 실험을 수행하였으며, 우리의 접근 방식이 기존의 최첨단 방법들을 초월함을 보여주고 있습니다.