P-CLIP: Aprendizaje Progresivo de Discrepancias para Reidentificación de Personas de Texto a Imagen de un Solo...

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Aprendizaje Automático

Sus antecedentes:

• La reidentificación de personas supervisada de texto a imagen (TIReID) requiere datos anotados extensos, lo que limita su practicidad para redes de cámaras a gran escala.
• La TIReID de un solo disparo ofrece una solución al reducir los requisitos de anotación, utilizando solo un par de imágenes y texto etiquetados por identidad.
• Un desafío clave es establecer correspondencias visuales-textuales robustas en diversas condiciones de visualización sin datos de vista cruzada emparejados.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje progresivo de discrepancias (P-CLIP) para TIReID de un solo disparo.
• Crear un espacio de incrustación unificado resistente a sesgos específicos de la vista.
• Abordar el desafío de aprender correspondencias visuales-textuales entre vistas con supervisión mínima.

Principales métodos:

• Se propuso un método de Generación Progresiva de Múltiples Vistas (MVG) para crear múltiples vistas ruidosas a partir de una sola instancia etiquetada.
• Se introdujo un módulo de Aprendizaje de Discrepancias entre Vistas (CDL) para mitigar ambigüedades aprovechando las discrepancias entre vistas.
• Se desarrolló una pérdida de Coincidencia Cruzada Compacta (CCM) para mejorar el aprendizaje de correspondencias enfatizando los pares coincidentes y suprimiendo los no coincidentes.

Principales resultados:

• El marco P-CLIP demostró una eficacia significativa en tareas de TIReID de un solo disparo.
• Los resultados experimentales en tres conjuntos de datos de referencia validaron el rendimiento del método propuesto.
• El enfoque integró con éxito la corrección de errores multimodales en la reidentificación de personas.

Conclusiones:

• El marco propuesto P-CLIP aborda eficazmente los desafíos de la TIReID de un solo disparo.
• El método reduce significativamente la carga de anotación para sistemas prácticos de reidentificación de personas a gran escala.
• El estudio proporciona un enfoque robusto para aprender correspondencias visuales-textuales entre vistas en la reidentificación de personas.