跳到正文
arXiv · 机器人与计算机视觉· Athena Psalta, Vasileios Tsironis, Konstantinos Karantzalos·· 23 天前精选AI 评分78

通过边界排斥 MixUp 学习判别性原型的物体重识别方法

Learning Discriminative Prototypes via Boundary Repulsion MixUp for Object Re-Identification

AI 导读

针对物体重识别中类内变化大且类间相似度高导致的混淆难题,论文提出 PBR-ReID 框架。该方法利用可学习的原型与 DiNOv3 骨干网络联合优化,显式构建混淆身份间的边界代理,并通过边界排斥 MixUp(BRM)正则化将特征推离边界以增强判别性。实验在人与车辆重识别基准上表现优异,代码已开源。

推荐理由

提出 PBR-ReID 框架,利用原型与边界排斥 MixUp 显式优化类间几何结构以解决重识别任务中的混淆问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org