跨模态重识别SOTA
一个利用模态独有身份线索来增强判别特征学习的网络，在多个VI-ReID公开数据集上超越现有最佳方法。
张国庆 · Zhun, Wang · Hairui, Wang · 冶忠林 · 郑钰辉
IEEE Transactions on Multimedia 2026
从共享分支的浅层特征中聚合出容易被忽略的模态特有属性，为判别学习补充身份信息。
从聚合的浅层特征中蒸馏出身份感知知识，并引导模态不变特征的学习，增强特征判别性。
通过身份线索引导的损失函数缓解增强特征中的模态差异，并促进多样化表示空间的学习。