风格不可知表征学习框架

跨模态身份识别

通过渐进式数据和特征层面的模态弥合,实现可见光-红外行人重识别的高效风格解耦。

Jianbing, Wu · 刘宏 · Shi, Wei · 刘梦源 · Wenhao, Li

IEEE Transactions on Multimedia 2023

参数信息

数据集上
67.31 %
数据集上
92.10 %

技术优势

无需训练即可生成中间模态

跨模态混合是一种无参的数据增强方案,通过身份保持的块交换与平滑跨模态混合,在无需额外学习的情况下直接合成中间模态。

剔除风格干扰但保留判别信息

自适应风格归一化模块通过双级自适应分布归一化和判别性补偿,在丢弃固有风格干扰的同时保留判别内容,可即插即用。

互惠学习引导模态桥接

互惠模态桥接学习通过两个轻量模态变换模块在高阶统计量上操纵并施加最短距离约束,建模合适的中间空间,同时进行中间指导的分布对齐,从而更好地引导模态桥接过程。

应用场景