視点間の局所的に整列した特徴変換

本論文では、異なるカメラ視点で観測された画像を複雑な視点間変換で一致させる新しいアプローチを提案し、これを人物再識別に応用します。これは、視点間変換の類似性に基づいて、2つのカメラの視点の画像空間を異なる構成に共同で分割します。異なる視点からの画像ペアの視覚特徴は、まず共通の特徴空間に投影されて局所的に整列され、その後局所的に最適化された柔軟に割り当てられたメトリックで一致されます。アイデンティティを認識するために最適な特徴は、視点間変換をクラスタリングするための特徴とは異なります。それらは、スパース性を誘発するノルムと情報理論的正則化を利用して共同で学習されます。このアプローチは、テスト画像がトレーニングセットとは異なる新しいカメラの視点から来る設定に一般化できます。公共のデータセットと独自のデータセットで広範な実験を行いました。最先端のメトリック学習と人物再識別手法との比較は、我々のアプローチの優れた性能を示しています。