UPAR: Unified Pedestrian Attribute Recognition and Person Retrieval
Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Fraunhofer IOSB(弗劳恩霍夫IOSB研究所);Fraunhofer Center for Machine Learning(弗劳恩霍夫机器学习中心)
识别软生物特征行人属性在视频监控和时尚检索中至关重要。最近的工作在单个数据集上显示出有希望的结果。然而,这些方法在不同属性分布、视点、不同光照和低分辨率下的泛化能力仍然很少被理解,这是由于当前数据集中的强偏差和不同属性。为了缩小这一差距,并支持系统的调查,我们提出UPAR,统一的人属性识别数据集。它基于四个著名的个人属性识别数据集:PA 100 K,PETA,RAPv 2和Market 1501。我们通过提供330万个额外的注释来统一这些数据集,以协调数据集中12个属性类别中的40个重要的二进制属性。因此,我们使研究可推广的行人属性识别以及基于属性的人检索的第一次。由于图像分布、行人姿态、尺度和遮挡的巨大差异,现有方法在准确性和效率方面都受到很大挑战。此外,我们开发了一个强大的基线PAR和基于属性的人检索的正则化方法的深入分析的基础上。我们的模型在PA 100 k、PETA、RAPv 2、Market 1501-Attributes和UPAR的跨域和专业化设置中实现了最先进的性能。我们相信UPAR和我们强大的基线将为人工智能社区做出贡献,并促进对大规模、可推广的属性识别系统的研究。
2022-09-06 cs.CV
Attention-based Natural Language Person Retrieval
University of California Los Angeles(加州大学洛杉矶分校);SAIC Innovation Center San Jose(上汽集团创新中心圣何塞分部)
随着深度学习在图像分类和字幕方面的最新进展,我们开发了一种基于注意力机制的新型自然语言人物检索系统。更具体地说,给定一个人的描述,目标是定位图像中的人。为此,我们首先构建了一个基准数据集的自然语言人检索。为此,我们从分割掩码中为公共图像数据集中的人生成边界框,然后使用Amazon Mechanical Turk使用描述和属性进行注释。然后,我们采用Faster R-CNN中的区域建议网络作为候选区域生成器。基于区域建议的裁剪图像以及具有注意力权重的整个图像被馈送到卷积神经网络用于视觉特征提取,而自然语言表达和属性被输入到双向长短期记忆(BLSTM)模型用于文本特征提取。视觉和文本特征被集成到评分区域的建议,并与最高分的一个被检索作为我们的系统的输出。实验结果表明,显着改善国家的最先进的通用对象检索方法,这条线的研究有望有利于搜索监控视频录像。
2017-05-24 cs.CV
TVPR: Text-to-Video Person Retrieval and a New Benchmark
Nanjing Tech University(南京理工大学)
本文提出文本到视频行人检索任务及TVPReid数据集,并设计MFGF策略利用跨模态文本-视频表示处理遮挡和运动细节,实现最先进性能。
2025-04-20 cs.CV
From Third Person to First Person: Dataset and Baselines for Synthesis and Retrieval
University of Central Florida(中佛罗里达大学)
第一人称(自我中心)和第三人称(离心)视频在本质上是截然不同的。这两种观点之间的关系近年来已被研究,但尚未得到充分的探讨。在这项工作中,我们介绍了两个数据集(合成和自然/真实)同时记录自我中心和离心的视频。我们还探讨了这两个领域(自我中心和离心)在两个方面。首先,我们使用条件生成对抗网络(cGAN)从离心域合成自我中心域中的图像。我们证明,有了足够的训练数据,我们的网络能够从自我中心的角度,给出一个离心视频,幻想世界是什么样子。其次,我们解决跨视图检索问题,在两个视图。给定一个以自我为中心的查询帧(或其瞬时光流),我们从图库集合中检索其对应的偏心帧(或光流)。我们表明,使用合成数据可能是有益的检索实际数据。我们表明,执行领域自适应从合成域到自然/真实域,是有帮助的任务,如检索。我们认为,所提出的数据集和拟议的基线为这一方向的进一步研究提供了新的机会。代码和数据集是公开的。
2018-12-01 cs.CV
Generative One-Class Models for Text-based Person Retrieval in Forensic Applications
KTH Royal Institute of Technology(瑞典皇家理工学院)
自动取证图像分析可以帮助刑事调查专家在图像中搜索可疑人员,检测异常行为和身份匹配。在本文中,我们提出了一个人检索系统,使用文本查询(例如,“黑裤子和绿衬衫”)作为描述,以及具有离群值过滤的一类生成颜色模型来表示图像以训练模型并执行搜索。该方法在满足法医检索系统的需求:有限的注释,鲁棒性,可扩展性,适应性和计算成本的效率进行评估。所提出的生成方法相比,相应的歧视性的方法。在三个不同的数据库中使用一系列的查询进行实验。实验结果表明,这两种算法的检索性能一般,并能适应新的数据集。所提出的生成式算法有一些优势,区别之一,特别是它的工作能力与很少的训练样本和它的计算要求低得多的训练样本的数量增加时。
2016-11-17 cs.CV
PAI-BPR: Personalized Outfit Recommendation Scheme with Attribute-wise Interpretability
IIIT Delhi(印度德里信息技术学院);NII Japan(日本国立信息学研究所)
时尚是人类经验的重要组成部分。面试、会议、婚礼等活动往往以服装风格为基础。时尚产业的兴起及其对社会影响的影响使得服装的兼容性成为一种需求。因此,需要一个服装兼容性模型来帮助人们推荐服装。然而,由于兼容性的高度主观性,有必要考虑个性化。我们的论文设计了一个属性明智的可解释的兼容性计划与个人偏好建模,捕捉用户项目的互动,以及一般的项目项目的互动。我们的工作解决了服装搭配的解释性问题,通过定位时尚项目之间的不协调和和谐的属性。在IQON 3000(一个公开的真实世界数据集)上的大量实验结果验证了该模型的有效性。
2020-08-04 cs.CV cs.IR cs.MM
PhotoBench: Beyond Visual Matching Towards Personalized Intent-Driven Photo Retrieval
Shanghai Jiao Tong University(上海交通大学)
PhotoBench 是首个基于真实个人相册构建的基准,旨在通过多源意图驱动推理提升个性化图片检索能力。
2026-08-24 cs.AI cs.CV cs.IR
See Finer, See More: Implicit Modality Alignment for Text-based Person Retrieval
Tencent Youtu Lab(腾讯优图实验室);Shanghai Jiao Tong University(上海交通大学);Anhui University(安徽大学)
基于文本的人物检索的目的是根据文本描述找到查询人。关键是学习视觉-文本模态之间的共同潜在空间映射。为了实现这一目标,现有的作品采用分割来获得明确的跨模态对齐或利用注意力来探索显着的对齐。这些方法有两个缺点:1)标记跨模态对齐是耗时的。2)注意力方法可以探索突出的跨模态对齐,但可能会忽略一些微妙的和有价值的对。为了缓解这些问题,我们引入了一个隐式视觉文本(IVT)框架,基于文本的人检索。与以前的模型不同,IVT利用单个网络来学习两种模态的表示,这有助于视觉-文本交互。为了探索细粒度对齐,我们进一步提出了两种隐式语义对齐范式:多级对齐(MLA)和双向掩码建模(BMM)。MLA模块在句子、短语和单词级别探索更精细的匹配,而BMM模块旨在挖掘视觉和文本模态之间的\textbf{more}语义对齐。在公共数据集上进行了大量的实验来评估所提出的IVT,即,CUHK-PEDES、RSTPReID和ICFG-PEDES。即使没有明确的身体部位对齐,我们的方法仍然达到了最先进的性能。代码可在:https://github.com/TencentYoutuResearch/PersonRetrieval-IVT.
2022-08-26 cs.CV
LAPIS: A novel dataset for personalized image aesthetic assessment
KU Leuven(鲁汶大学)
本文提出首个适用于个性化图像美学评估的艺术作品数据集LAPIS,包含11,723张图像及丰富的图像与个人属性,并通过消融实验揭示现有PIAA模型在艺术图像评估上的不足。
2025-04-10 cs.CV
Achieving Text-based Person Retrieval with Any Granularity
National Key Laboratory of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology(华中科技大学人工智能与自动化学院多光谱信息智能处理技术国家重点实验室);School of Software Engineering, Huazhong University of Science and Technology(华中科技大学软件工程学院)
该研究针对基于文本的行人检索中查询粒度不确定问题提出新范式,构建多粒度数据集和评估基准,提出CMAM框架,通过多种策略实现粒度感知检索,实验证明其性能优于现有方法,为行人检索系统奠定基础。
2026-07-24 cs.CV
Text-based Aerial-Ground Person Retrieval
针对传统文本行人检索仅关注地面视角的局限,本研究提出TAG-PR任务及TAG-PEDES数据集,设计TAG-CLIP框架通过分层路由专家混合模块和解耦策略处理视角异质性,提升跨空-地视角行人检索性能。
2025-11-11 cs.AI cs.CV
Cross-Camera Trajectories Help Person Retrieval in a Camera Network
Sun Yat-sen University(中山大学)
本文提出一种融合时空信息的跨摄像头轨迹生成行人检索框架,通过联合建模行走习惯与路径布局、条件随机场与受限非负矩阵分解优化轨迹,并构建首个真实场景行人轨迹数据集以验证有效性。
2023-07-04 cs.AI cs.CV
Person Retrieval in Surveillance Video using Height, Color and Gender
Ahmedabad University(艾哈迈达巴德大学);L. D. College of Engineering(L.D.工程学院)
一个人通常被描述的属性,如身高,建立,衣服的颜色,衣服的类型,和性别。这些属性被称为软生物特征。它们弥合了监控视频中人物描述和人物检索之间的语义鸿沟。本文提出了一种基于深度学习的线性过滤方法,用于使用身高、衣服颜色和性别进行人物检索。所提出的方法使用Mask R-CNN进行逐像素的人分割。它消除了背景杂波,并提供了精确的边界周围的人。使用AlexNet对颜色和性别模型进行了微调,并在SoftBioSearch数据集上对该算法进行了测试。在复杂的条件下,使用语义查询进行人物检索,取得了很好的准确率。
2018-09-24 cs.CV
DSSL: Deep Surroundings-person Separation Learning for Text-based Person Retrieval
许多以前的基于文本的人检索任务的方法都致力于学习一个潜在的公共空间映射,从视觉和文本模态提取模态不变的功能。然而,由于高维数据的复杂性,无约束映射范式不能够正确地捕捉到关于相应的人的判别线索,同时丢弃不对齐的信息。直观地说,包含在视觉数据中的信息可以分为人信息(PI)和环境信息(SI),它们彼此互斥。为此,本文提出了一种新的深度环境-人分离学习(DSSL)模型,以有效地提取和匹配人的信息,从而实现更高的检索精度。环境-人分离与融合机制是实现互斥约束下准确有效的环境-人分离的关键。为了充分利用多模态和多粒度信息,以获得更高的检索精度,采用了五种不同的对齐范式。在CUHK-PEDES上进行了大量的实验来评估所提出的DSSL,CUHK-PEDES是目前唯一可访问的基于文本的人物检索任务的数据集。DSSL在CUHK-PEDES上实现了最先进的性能。为了在真实场景中正确评估我们提出的DSSL,构建了一个真实场景基于文本的人重新识别(RSTPReid)数据集,以利于未来基于文本的人检索的研究,这将是公开的。
2021-09-12 cs.CV
PeR-ViS: Person Retrieval in Video Surveillance using Semantic Description
Ahmedabad University(艾哈迈达巴德大学);The University of Adelaide(阿德莱德大学)
一个人的特征通常是描述符,如年龄,性别,身高,衣服类型,图案,颜色等,这些描述符被称为属性和/或软生物特征。它们将视频监控中人的描述和检索之间的语义差距联系起来。利用语义描述查询检索特定人物在视频监控中有重要的应用。使用计算机视觉完全自动化的人检索任务已经在研究界聚集的兴趣。然而,目前的趋势主要集中在检索人与基于图像的查询,这有很大的局限性,为实际使用。在本文中,我们研究的问题,而不是使用图像查询的视频监控与语义描述的人检索。为了解决这个问题,我们开发了一种基于深度学习的级联滤波方法(PeR-ViS),该方法使用Mask R-CNN [14](人员检测和实例分割)和DenseNet-161 [16](软生物特征分类)。在SoftBioSearch [6]的标准人物检索数据集上,我们实现了0.566 Average IoU和0.792% w $IoU > 0.4$,大大超过了当前最先进的水平。我们希望我们简单,可重复,有效的方法将有助于减轻未来的研究领域的人检索视频监控。源代码和预训练的权重可在https://parshwa1999.github.io/PeR-ViS/上获得。
2020-12-04 cs.CV
AttKGCN: Attribute Knowledge Graph Convolutional Network for Person Re-identification
Anhui University(安徽大学)
人图像的鉴别特征表示对于人的再识别(Re-ID)任务是重要的。最近,属性已被证明有益于指导学习更多的歧视性特征表示Re-ID。由于属性通常共同出现在人的图像,它是可取的属性依赖模型,以提高属性预测,从而Re-ID的结果。在本文中,我们提出了通过一种新的属性知识图谱(AttKG)来建模这些属性依赖关系,并提出了一种新的属性知识图谱卷积网络(AttKGCN)来解决Re-ID问题。AttKGCN将属性预测和Re-ID学习集成在一个统一的端到端框架中,可以分别提高它们的性能。AttKGCN首先构造一个有向属性KG,KG的节点表示属性,边表示属性间的同现关系。然后,AttKGCN学习一组相互依赖的属性分类器,这些分类器与人的视觉描述符相结合进行属性预测。最后,AttKGCN将属性描述和深度可视化表示结合起来,为Re-ID任务构建了更具区分力的特征表示。在多个基准数据集上的实验证明了AttKGCN在属性预测和Re-ID任务上的有效性。
2019-11-24 cs.CV
CAIBC: Capturing All-round Information Beyond Color for Text-based Person Retrieval
Nanjing Tech University(南京工业大学);Jinling Institute of Technology(金陵科技学院);Beihang University(北京航空航天大学)
基于文本的人物检索是在给定自然语言描述的情况下,从大规模的人物图像数据库中识别出目标人物的图像。现有的方法通常面临一个\textbf{color over-reliance problem},这意味着模型在匹配跨模态数据时严重依赖颜色信息。实际上,颜色信息是用于检索的重要决策依据,但是对颜色的过度依赖会使模型从其他关键线索(例如,纹理信息、结构信息等)分散注意力,从而导致次优的检索性能。为了解决这个问题,本文提出\textbf{C}捕获\textbf{A} II轮\textbf{I}信息\textbf{B} eyond \textbf{C} olor(\textbf{CAIBC})通过一个联合优化的多分支架构,基于文本的人检索。CAIBC包含三个分支,包括RGB分支、灰度(GRS)分支和颜色(RGB)分支。此外,为了平衡和有效地充分利用全方位的信息,我们采用了相互学习的机制,使三个涉及不同信息方面的部门能够相互交流和学习。在\textbf{supervised}和\textbf{weakly supervised}两种基于文本的人物检索环境下,对我们提出的CAIBC方法在CUHK-PEDES和RSTPReid数据集上进行了广泛的实验分析,实验结果表明,CAIBC方法在所有三个任务上的性能都明显优于现有方法,达到了最先进的水平.
2022-09-13 cs.CV cs.IR cs.MM
Improved Hard Example Mining by Discovering Attribute-based Hard Person Identity
Sun Yat-Sen University(中山大学);Anhui University(安徽大学)
在本文中,我们提出了硬人物身份挖掘(HPIM),试图细化硬的例子挖掘,以提高探索效率的人重新识别。它的动机是以下观察:一些人共享的属性越多,就越难区分他们的身份。基于这一观察,我们通过转移属性描述器开发了HPIM,这是一个从源噪声人属性数据集训练的深度多属性分类器。我们将每个图像编码到目标人re-ID数据集中的属性概率描述中。然后在属性码空间中,我们将每个人视为一个分布,在不同的实际场景中生成他的视图特定的属性码。因此,我们估计个人特定的统计矩从零阶到高阶,这是进一步用于计算人之间的中心矩差异。这种差异是选择硬身份来组织适当的小批量的基础,而不考虑度量学习中的人表示变化。它作为硬示例挖掘的补充工具,有助于在由随机抽样身份构建的小批量中探索全局而不是局部硬示例约束。在两个人身份重识别基准上的实验验证了该算法的有效性。
2019-08-05 cs.CV
CLEAR: Cross-Transformers with Pre-trained Language Model is All you need for Person Attribute Recognition and Retrieval
School of Electrical Engineering, Korea University(高丽大学电气工程学院);Graduate School of Data Science, Chonnam National University(全南国立大学数据科学研究生院)
本文提出统一网络CLEAR,通过鲁棒交叉Transformer解决行人属性识别,并利用预训练语言模型构建伪描述以弥合属性查询与图像间的模态差距,在五个基准上取得领先或竞争性结果。
2024-04-30 cs.CV
Adversarial Attribute-Image Person Re-identification
Sun Yat-sen University(中山大学);Tencent(腾讯)
虽然属性已被广泛用于人重新识别(Re-ID),其目的是在不相交的摄像机视图中匹配相同的人图像,但它们被用作额外的特征或用于执行多任务学习以辅助图像-图像匹配任务。然而,如何找到一组人的图像,根据一个给定的属性描述,这是非常实用的,在许多监控应用中,仍然是一个很少研究的跨模态匹配问题的人重新ID。在这项工作中,我们提出了这个挑战,并制定这项任务作为一个联合空间学习问题。通过对图像施加属性引导的注意力机制和对属性施加语义一致的对手策略,每个模态,即,图像和属性,成功地学习语义相关的概念的指导下,其他。我们在三个属性数据集上进行了广泛的实验,并证明了所提出的联合空间学习方法是迄今为止属性-图像跨模态人Re-ID问题的最有效方法。
2018-07-04 cs.CV
Cerberus: Attribute-based person re-identification using semantic IDs
Chung-Ang University(中央大学);Yonsei University(延世大学);Hyundai Motor Company(现代汽车公司)
本文提出 Cerberus 框架,通过语义 ID、语义引导损失及原型关系正则化学习行人表示,在 Market-1501 和 DukeMTMC 上优于现有方法,并支持 PAR 与 APS。
2024-12-02 cs.CV
Attributes-aided Part Detection and Refinement for Person Re-identification
Zhejiang University(浙江大学)
人的属性通常被利用作为中间层的人类语义信息,以帮助提高人的再识别任务的性能。在本文中,不同于大多数现有的方法简单地把属性学习作为一个分类问题,我们执行它在不同的方式与动机,属性是相关的特定的局部区域,这是指属性的感知能力。我们利用属性检测的过程中,产生相应的属性部分检测器,其不变性的许多影响,如姿势和相机的意见,可以保证。通过检测到的局部区域,我们的模型提取局部特征来处理身体部位错位问题,这是人重新识别的另一个主要挑战。通过融合属性信息进一步细化局部描述子,消除检测偏差带来的干扰。两个流行的基准属性注释的广泛实验证明了我们的模型的有效性和竞争力的性能相比,国家的最先进的算法。
2019-02-27 cs.CV
Unsupervised Domain-Adaptive Person Re-identification Based on Attributes
Istituto Italiano di Tecnologia(意大利技术研究院)
行人属性,例如,头发长度、衣服类型和颜色局部地描述了人的语义外观。训练人重新识别(ReID)算法的监督下,这些属性已被证明是有效的,在提取本地功能,这是很重要的ReID。与个人身份不同,属性在不同的域(或数据集)中是一致的。然而,大多数ReID数据集缺乏属性注释。另一方面,对于行人属性识别的情况,有几个标记有足够属性的数据集。利用这些数据用于ReID目的可以是缓解ReID情况下属性注释不足的一种方法。在这项工作中,提出了一个无监督的域自适应ReID特征学习框架,以充分利用属性注释。我们建议将属性相关特征从其原始域转移到ReID域:为此,我们引入了一种对抗性判别领域自适应方法,以学习用于编码语义属性的域不变特征。在三个大规模数据集上的实验验证了所提出的ReID框架的有效性。
2019-08-27 cs.CV
Attribute-aware Identity-hard Triplet Loss for Video-based Person Re-identification
Beihang University(北京航空航天大学)
基于视频的人物再识别(Re-ID)是计算机视觉的一项重要任务。在基于视频的人Re-ID中经常使用的批量硬三重丢失遭受不同阳性之间的距离方差(DVDP)问题。在本文中,我们通过引入一种新的度量学习方法来解决这个问题,该方法称为属性感知的身份硬三重损失(AITL),通过计算属性距离来减少正样本之间的类内变化。为了实现一个完整的基于视频的人的Re-ID模型,一个多任务框架与属性驱动的时空注意力(ASTA)机制也被提出。在MARS和DukeMTMC-VID数据集上的大量实验表明,AITL和ASTA都是非常有效的。通过它们的增强,即使是一个简单的轻量级的基于视频的人Re-ID基线也可以胜过现有的最先进的方法。这些准则已公布在https://github.com/yuange250/Video-based-person-ReID-with-Attribute-information上。
2020-06-13 cs.CV
Visual Appearance Based Person Retrieval in Unconstrained Environment Videos
Pandit Deendayal Petroleum University(潘迪特·迪恩戴亚尔石油大学);University of Windsor(温莎大学)
基于视觉外观的人物检索是监控领域的一个具有挑战性的问题。它使用身高、衣服颜色、衣服类型和性别等属性来描述一个人。这些属性被称为软生物特征。本文提出了从监控视频中检索人的身高,躯干衣服类型,躯干衣服的颜色和性别。该方法引入了自适应躯干块提取和限界框回归,以提高检索。该算法使用微调的Mask R-CNN和DenseNet-169分别进行人员检测和属性分类。在AVSS 2018 Challenge II数据集上分析了性能,基于平均Intersection over Union度量,它比最先进的性能提高了11.35%。
2019-10-31 cs.CV cs.LG
AANet: Attribute Attention Network for Person Re-Identifications
Nanyang Technological University(南洋理工大学)
本文提出了属性注意力网络(AANet),一个新的架构,将人的属性和属性注意力地图到一个分类框架,以解决人的重新识别(重新ID)的问题。许多人的re-ID模型通常采用语义线索,如身体部位或人体姿势,以提高re-ID性能。然而,属性信息通常不被利用。拟议的AANet利用基线模型,使用身体部位,并在一个统一的学习框架中集成的关键属性信息。AANet由全局身份识别任务、部件检测任务和关键属性检测任务组成。通过估计单个属性的类响应并将它们组合形成属性注意图(AAM),构造了一个非常强的区分表示。所提出的AANet在DukeMTMC-reID数据集上的mAP和Rank-1准确度方面分别比使用ResNet-50的最先进方法arXiv:1711.09349v3 [cs.CV]高出3.36%和3.12%。在Market 1501数据集上,AANet通过重新排名实现了92.38%的mAP和95.10%的Rank-1准确度,优于arXiv:1804.00216v1 [cs.CV],这是另一种使用ResNet-152的最先进方法,mAP为1.42%,Rank-1准确度为0.47%。此外,AANet可以执行人属性预测(例如,性别、头发长度、衣服长度等),并定位查询图像中的属性。
2019-12-19 cs.CV
ViTAA: Visual-Textual Attributes Alignment in Person Search by Natural Language
Beihang University(北京航空航天大学);Arizona State University(亚利桑那州立大学)
基于自然语言的人物搜索是指在大规模的图像池中,根据给定的文本描述,检索出一个特定的人物。虽然目前的大多数方法将任务视为一个整体的视觉和文本特征匹配的一个,我们从属性对齐的角度,允许接地特定的属性短语到相应的视觉区域。我们取得了成功,以及性能提升的强大功能学习,所指的身份可以准确地捆绑多属性视觉线索。具体来说,我们的视觉-文本属性对齐模型(称为ViTAA)学习使用轻辅助属性分割计算分支将人的特征空间分解为与属性对应的子空间。然后,它将这些视觉特征与通过使用新颖的对比学习损失从句子中解析出的文本属性进行对齐。在此基础上,我们验证了我们的ViTAA框架通过广泛的实验任务的人搜索自然语言和属性短语查询,我们的系统达到国家的最先进的性能。代码将在发布时公开提供。
2020-07-30 cs.CV
Multi-Attribute Enhancement Network for Person Search
Central China Normal University(华中师范大学);Wuhan University(武汉大学)
人物搜索的目的是联合解决人物检测和人物重新识别(Re-ID)问题,其中目标人物将在大量未切割的图像中定位。在过去的几年里,基于深度学习的人物搜索取得了长足的进步。视觉字符属性在检索查询人中起着关键作用,这在Re-ID中已经探索过,但在Person Search中被忽略了。因此,我们将属性学习引入模型,允许使用属性特征进行检索任务。具体来说,我们提出了一个简单而有效的模型称为多属性增强(MAE),引入属性标签来学习本地功能。除了学习行人的全局表示外,还学习局部表示,并将两者结合起来学习鲁棒特征,以提高搜索性能。此外,我们验证了我们的模块的有效性,现有的基准数据集,CUHK-SYSU和PRW。最终,我们的模型在端到端方法中达到了最先进的水平,特别是在中大中山大学上达到了91.8%的mAP和93.0%的rank-1。代码和模型可在https://github.com/chenlq123/MAE上获得。
2021-04-20 cs.CV
Explainable Person Re-Identification with Attribute-guided Metric Distillation
University of Science and Technology of China(中国科学技术大学);JD AI Research(京东人工智能研究院);Ryerson University(瑞尔森大学)
尽管随着卷积神经网络的采用,人的重新识别(ReID)取得了很大的进步,但是当前的ReID模型是不透明的,并且仅输出两个人之间的标量距离。很少有方法为用户提供语义上可理解的解释,为什么两个人是同一个或不是。在本文中,我们提出了一个事后的方法,命名为属性引导度量蒸馏(AMD),以解释现有的ReID模型。这是探索属性的第一种方法来回答:1)属性使两个人不同的是什么和哪里,以及2)每个属性对差异的贡献有多大。在AMD中,我们为目标模型设计了一个可插入的解释器网络,以生成属性的定量贡献,并可视化最具区分力的属性的准确注意力地图。为了实现这一目标,我们提出了一个度量蒸馏损失,解释器学习分解的距离两个人的属性组件与知识蒸馏从目标模型。此外,我们提出了一个属性先验损失,使解释器产生属性引导的注意力地图,并消除不平衡的属性分布所造成的偏见。这一损失可以引导口译员将注意力集中在两个人的排他性和歧视性属性上,而不是大面积但共同的属性。综合实验表明,该解释器可以生成有效的和直观的解释不同的模型和跨域环境下的推广。作为副产品,目标模型的准确性可以通过我们的解释器进一步提高。
2021-08-17 cs.CV
Instance Retrieval at Fine-grained Level Using Multi-Attribute Recognition
Cortexica Vision Systems Limited(Cortexica视觉系统有限公司);Australian Institute for Machine Learning(澳大利亚机器学习研究所);the University of Adelaide(阿德莱德大学)
在本文中,我们提出了一种方法,例如排名和检索细粒度级别的基础上提取的多属性识别模型,这是不依赖于地标信息或部分基于注释的全局特征。此外,我们通过采用双线性CNN使多属性识别模型更小(在参数数量方面),使这种架构适合于移动设备应用。在DeepFashion In-Shop Clothes Retrieval和CUB 200数据集的Dress类别上进行的实验表明,细粒度级别的实例检索结果对于这些数据集是有希望的,特别是在纹理和颜色方面。
2018-11-07 cs.CV
CPCL: Cross-Modal Prototypical Contrastive Learning for Weakly Supervised Text-based Person Retrieval
本文提出CPCL方法,通过引入CLIP模型、原型多模态记忆模块和离群伪标签挖掘模块,利用跨模态原型对比学习解决弱监督文本行人检索中的类内差异问题,并在多个基准上验证了其有效性和泛化性。
2025-08-18 cs.CV
CA3Net: Contextual-Attentional Attribute-Appearance Network for Person Re-Identification
University of Science and Technology of China(中国科学技术大学)
人员重新识别旨在跨非重叠的相机视图识别相同的行人。最近,深度学习技术已经被应用于人的重新识别,以学习行人外观的表示。本文提出了一种新的上下文-注意属性-外观网络(CA 3 Net)的人重新识别。CA 3 Net同时利用语义属性和视觉外观之间的互补性,属性之间的语义上下文,对属性的视觉注意力以及身体部位之间的空间依赖性,从而产生有区别的和鲁棒的行人表示。具体来说,CA 3 Net中的属性网络是用Attention-LSTM模块设计的。它将网络集中在与每个属性相关的潜像区域上,并通过LSTM模块利用属性之间的语义上下文。开发了一个外观网络,用于学习行人全身、水平和垂直身体部位的外观特征,以及身体部位之间的空间依赖性。CA 3 Net以多任务学习方式联合学习属性和外观特征,生成行人的综合表示。在两个具有挑战性的基准上进行了广泛的实验,即,Market-1501和DukeMTMC-reID数据集的实验结果表明了该方法的有效性。
2018-11-19 cs.CV
Deep Attributes Driven Multi-Camera Person Re-identification
Peking University(北京大学);Chinese Academy of Sciences(中国科学院);University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校)
人的视觉外观容易受到许多因素的影响,如姿势变化,视点变化和相机参数的差异。这使得多个摄像头之间的人员重新识别(ReID)成为一项非常具有挑战性的任务。这项工作的动机是学习中级人类属性,这些属性对这种视觉外观变化具有鲁棒性。我们提出了一个半监督属性学习框架,它只使用有限数量的标记数据来逐步提高属性的准确性。具体而言,该框架涉及三个阶段的培训。深度卷积神经网络(dCNN)首先在用属性标记的独立数据集上进行训练。然后,使用我们定义的三元组损失,在另一个仅标记有个人ID的数据集上进行微调。最后,更新后的dCNN预测目标数据集的属性标签,该目标数据集与独立数据集相结合进行最后一轮微调。预测的属性,即\emph{deep attributes}表现出优越的泛化能力,在不同的数据集。通过直接使用具有简单余弦距离的深度属性,我们在四人ReID数据集上获得了令人惊讶的良好准确性。实验还表明,一个简单的度量学习模块进一步增强了我们的方法,使其显著优于许多最近的作品。
2016-08-09 cs.CV
Graph-based Person Signature for Person Re-Identifications
AIOZ;Imperial College London(伦敦帝国理工学院)
人物重新识别(ReID)的任务是在多个不重叠的相机视图上匹配同一个人的图像。由于视觉因素的变化,以前的作品已经研究了人的身份,身体部位和属性如何有利于人的ReID问题。然而,属性之间、身体部位之间以及每个属性内部的相关性没有得到充分利用。本文提出了一种新的方法,将人的详细描述(属性标签)和视觉特征(身体部位和全局特征)有效地聚合到一个图中,即基于图的人签名,并利用图卷积网络学习人的视觉签名的拓扑结构。该图被集成到一个多分支多任务框架中,用于人员重新识别。在Market-1501和DukeMTMC-ReID两个大规模数据集上进行了大量的实验,以证明我们提出的方法的有效性。我们的方法在最先进的方法中取得了有竞争力的结果,并且优于其他基于属性或掩码引导的方法。
2021-04-17 cs.CV
Improving Person Re-identification by Attribute and Identity Learning
University of Technology Sydney(悉尼科技大学);Australian National University(澳大利亚国立大学);Hangzhou Dianzi University(杭州电子科技大学)
人再识别(re-ID)和属性识别有一个共同的目标,在学习行人的描述。它们的区别在于粒度。现有的重识别方法大多只考虑行人的身份标签。然而,我们发现,包含详细的本地描述的属性,是有益的,允许重新ID模型学习更多的歧视性特征表示。在本文中,基于属性标签和ID标签的互补性,我们提出了一个属性-人识别(APR)网络,一个多任务网络,学习重新ID嵌入,同时预测行人属性。我们手动注释两个大规模的re-ID数据集的属性标签,并系统地研究人的re-ID和属性识别如何相互受益。此外,我们考虑属性之间的依赖性和相关性,重新加权的属性预测。在两个大规模的re-ID基准测试上的实验结果表明,通过学习更具鉴别力的表示,APR实现了与最先进的方法相比具有竞争力的re-ID性能。我们使用APR将检索过程加快了10倍,在Market-1501上的准确率略有下降,为2.92%。此外,我们还将APR应用于属性识别任务,并展示了基线的改进。
2019-06-09 cs.CV
Video Person Re-identification using Attribute-enhanced Features
Beihang University(北京航空航天大学);Alibaba Group(阿里巴巴集团)
基于视频的人员重新识别(Re-ID)旨在使用监控视频将非重叠摄像机中的人员关联起来是一项具有挑战性的任务。针对行人的性别、年龄、衣着等属性信息在视频人物识别中的应用较少的问题,本文提出了一种基于属性显著性辅助网络(Attribute Salience Assisted Network,ASA-Net)的视频人物识别方法。我们建议从中层属性而不是高层身份学习视觉注意。提出的属性显著区域增强(ASRE)模块可以更准确地关注行人的身体。其次,我们发现,许多身份无关,但对象或主体相关的因素,如视角和运动的目标行人可以极大地影响二维的外观的行人。这个问题可以通过经由一种新的三元组损失来调查身份相关属性和身份无关属性来缓解,该三元组损失被称为姿态不变量(PMI)三元组损失。
2021-08-16 cs.CV
Learning Group Activity Features Through Person Attribute Prediction
Toyota Technological Institute(丰田工业大学);University of Hyogo(兵库县立大学)
该研究提出无需群体活动标注的群体活动特征学习方法,通过人物动作类别与外观特征预测、结合位置引导属性预测端到端学习GAF,在两个公开数据集上表现优于现有SOTA方法,可表征细粒度群体活动类别。
2024-03-11 cs.CV
FRAME: Factored Retrieval via Attribute Readouts for Object-Centric Scene Memory
Seoul National University(首尔大学)
针对语言引导机器人场景记忆中的多属性组合检索问题,提出FRAME方法,将语言转化为属性权重,利用学习读出器聚合对象嵌入证据进行排序,在保留场景上超越基线并实现高效计算。
2026-09-09 cs.CV cs.RO
Attribute analysis with synthetic dataset for person re-identification
Shanghai Jiao Tong University(上海交通大学)
人员身份再识别在公共安全、视频监控等应用中发挥着重要作用。近年来,得益于合成数据引擎的普及,从合成数据中学习取得了显著的成绩。然而,现有的合成数据集规模小,缺乏多样性,这阻碍了在现实世界中的人re-ID的发展。针对这一问题,我们首先开发了一个大规模的合成数据引擎,该引擎的突出特点是可控性。在此基础上,我们建立了一个大规模的合成数据集,它是多样化的,从不同的属性,如光照和视点定制。其次,我们定量分析了数据集属性对re-ID系统的影响。据我们所知,这是第一次尝试从合成数据集的属性方面明确剖析人的重新ID。全面的实验有助于我们更深入地了解人的身份识别中的基本问题,我们的研究也为数据集的构建和未来的实际应用提供了有用的见解。
2020-08-05 cs.CV
OSTAF: A One-Shot Tuning Method for Improved Attribute-Focused T2I Personalization
School of Artificial Intelligence, Jilin University(吉林大学人工智能学院);School of Intelligence Science and Technology, Nanjing University(南京大学智能科学与技术学院)
本文提出OSTAF,一种仅用单张参考图像的一次性参数高效微调方法,通过超网络驱动的属性聚焦机制,实现个性化T2I中属性特征的精确学习,兼顾效率与质量。
2024-03-17 cs.CV
Person Retrieval in Surveillance Using Textual Query: A Review
Ahmedabad University(艾哈迈达巴德大学)
近年来,随着生物特征识别、计算机视觉和自然语言处理的发展,人们发现了利用文本查询从监控视频中检索人物的机会。监视系统的主要目标是使用描述来定位人,例如,一个穿着粉红色T恤和白色裙子的矮个子女人,手里拿着一个黑色钱包。她有棕色的头发。这种描述包含性别、身高、服装类型、服装颜色、头发颜色和配饰等属性。这些属性在形式上被称为软生物识别。它们有助于弥合人类描述和机器之间的语义鸿沟,因为文本查询包含人的软生物特征属性。人工搜索大量的监控录像来检索特定的人也是不可行的。因此,使用基于视觉和语言的算法的自动人检索变得流行。与其他研究成果相比,本文的贡献主要体现在以下几个方面:1.为特定的挑战性条件推荐最具鉴别力的软生物识别技术。2.集成基准数据集和检索方法,用于客观的性能评估。3.基于特征、分类器、软生物特征属性的数量、深度神经网络的类型和性能度量的技术的完整快照。4.从手工制作的基于特征的方法到基于自然语言描述的端到端方法,全面覆盖了人物检索。
2021-05-06 cs.CV cs.IR
Semi-supervised Feature-Level Attribute Manipulation for Fashion Image Retrieval
Search Solutions Inc.(Search Solutions公司);Naver Corp.(Naver公司)
随着人们对按图像检索的需求不断增长,许多研究工作都在研究时尚实例级图像检索(FIR)的任务。此外,最近的工作引入了一个概念的时尚属性操作(FAM),操纵一个特定的属性(如颜色)的时尚项目,而保持其余的属性(如形状,图案)。通过这种方式,用户不仅可以搜索“相同”的项目,还可以搜索具有所需属性的“相似”项目。FAM是一个具有挑战性的任务,因为属性很难定义,并且查询的唯一特征很难保持。虽然FIR和FAM在实际应用中都很重要,但以前的研究大多集中在其中一个问题上。在这项研究中,我们的目标是在FIR和FAM上实现有竞争力的性能。要做到这一点,我们提出了一种新的方法,将查询转换为所需的属性表示。我们引入了一个新的想法,属性操作在功能级别,通过匹配的分布操纵功能与真实的功能。以这种方式,属性操作可以独立于从图像学习表示来完成。通过引入特征级的属性操作,以前的FIR方法可以在不牺牲检索性能的情况下进行属性操作。
2019-07-11 cs.CV
Specialized Re-Ranking: A Novel Retrieval-Verification Framework for Cloth Changing Person Re-Identification
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);Tokyo University(东京大学);Fudan University(复旦大学);Tencent(腾讯)
换衣人再识别(Re-ID)技术可以在更复杂的场景下工作,比一般的Re-ID技术和生物识别技术具有更高的安全性,因此具有很高的应用价值。同时,图像外观的高度灵活性往往会导致更多的易混淆图像,这是目前广泛使用的检索方法的弱点。在这项工作中,我们阐明了如何处理这些类似的图像。具体来说,我们提出了一个新的检索验证框架。对于给定的图像,检索模块可以快速搜索相似的图像。然后,我们提出的验证网络将通过对比这些局部细节来比较输入图像和候选图像,并给出相似性得分。为了在检索结果和验证结果之间取得较好的平衡,还引入了一种新的排序策略。综合实验表明,我们的框架的有效性和它的能力,在改善国家的最先进的方法显着的合成和现实的数据集。
2022-10-07 cs.CV
Omni-Attribute: Open-vocabulary Attribute Encoder for Visual Concept Personalization
Snap Inc.;UC Merced(加州大学默塞德分校);CMU(卡内基梅隆大学)
本文提出Omni-Attribute,通过联合设计数据与模型,学习高保真属性特定表示,解决现有方法中属性混杂的问题,提升开放词汇属性检索与生成性能。
2026-04-30 cs.CV
Cross-domain Image Retrieval with a Dual Attribute-aware Ranking Network
National University of Singapore(新加坡国立大学);IBM Research(IBM研究院)
我们解决跨域图像检索的问题,考虑到以下实际应用:给定一个用户的照片描绘的服装图像,我们的目标是检索相同或属性相似的服装项目从网上购物商店。这是一个具有挑战性的问题,因为在线购物图像之间的差异很大,通常是在理想的照明/姿势/背景条件下拍摄的,而用户照片是在不受控制的条件下拍摄的。为了解决这个问题,我们提出了一个双属性感知排名网络(DARN)的检索特征学习。更具体地说,DARN由两个子网络组成,每个域一个,其检索特征表示由语义属性学习驱动。我们表明,这种属性引导的学习是检索精度提高的一个关键因素。此外,为了进一步与检索问题的性质保持一致,我们对学习排序施加了三重视觉相似性约束,以在两个子网络中进行排名。我们工作的另一个贡献是一个大规模的数据集,这使得网络学习可行。我们利用客户评论网站抓取大量在线购物图像和相应的离线用户照片,这些照片具有细粒度的服装属性,即,大约450,000张在线购物图像和大约90,000张在线购物图像的精确离线对应图像。所有这些图像都是从真实世界的消费者网站收集的,反映了数据形态的多样性,这使得该数据集在学术界是独一无二的。我们广泛地评估在不同的配置网络的检索性能。当使用所提出的DARN而不是仅使用预训练的CNN特征的当前流行的解决方案时,前20名的检索准确度翻了一番(0.570 vs. 0.268)。
2015-05-29 cs.CV
ASMR: Learning Attribute-Based Person Search with Adaptive Semantic Margin Regularizer
POSTECH(浦项科技大学);Graduate School of AI POSTECH(浦项科技大学人工智能研究生院)
基于属性的人物搜索是寻找与给定的文本属性集最佳匹配的人物图像的任务。这项任务的主要挑战是属性和图像之间的巨大模态差距。为了减少差距,我们提出了一个新的损失学习跨模态嵌入的背景下,基于属性的人搜索。我们把一组属性看作是一类具有相同特征的人。在两种模态的联合嵌入空间中,我们的损失将图像拉近其人类别以进行模态对齐。更重要的是,它将一对人员类别推开由其语义距离自适应确定的边缘,其中距离度量是端到端学习的,使得损失在关联人员类别时考虑每个属性的重要性。我们的损失引导的自适应语义边缘导致更多的歧视性和语义良好安排的分布的人的图像。因此,它使一个简单的嵌入模型能够在公共基准上实现最先进的记录,而无需花里胡哨。
2021-08-10 cs.AI cs.CV cs.LG
Where is my Phone ? Personal Object Retrieval from Egocentric Images
Insight Center for Data Analytics(洞察数据分析中心);Universitat Politecnica de Catalunya(加泰罗尼亚理工大学)
这项工作提出了一个检索管道和评估方案的问题,找到最后出现的个人对象在一个大的数据集从可穿戴相机捕获的图像。每个人的对象是由一个小的图像集,定义了一个视觉搜索引擎的查询建模。检索结果重新排序考虑的图像的时间戳,以增加以后的检测的相关性。最后,引入了时间交织的结果对错误检测的鲁棒性。平均倒数秩被提出作为一个度量来评估这个问题。这个应用程序可以帮助开发个人助理,当用户不记得他们把个人物品放在哪里时,能够帮助他们。
2017-03-02 cs.CV cs.IR
Sequence-based Person Attribute Recognition with Joint CTC-Attention Model
Tencent Youtu Lab(腾讯优图实验室);Hefei University of Technology(合肥工业大学)
属性识别在计算机视觉中有着广泛的应用,如身份识别等。像许多物体识别问题一样,视点、照明和远距离识别的变化都使这项任务具有挑战性。在这项工作中,我们提出了一个联合CTC注意力模型(JCM),它映射到序列的属性标签学习属性之间的语义关系。此外,该网络采用神经网络对图像进行序列编码,并采用关联时间分类(CTC)损失对网络进行训练,以提高网络的编码性能。同时,采用注意力模型对序列进行解码,可以实现序列的对齐,更好地从属性中学习语义信息。在三个公共数据集上进行了广泛的实验,即,Market-1501属性数据集、Duke属性数据集和PETA数据集的实验结果表明了该方法的有效性。
2018-11-27 cs.CV
Look Before You Leap: Improving Text-based Person Retrieval by Learning A Consistent Cross-modal Common Manifold
Nanjing Tech University(南京工业大学);Jinling Institute of Technology(金陵科技学院);Beihang University(北京航空航天大学)
基于文本的人物检索的核心问题是如何弥合多模态数据之间的异构鸿沟。许多以前的方法设法学习一个潜在的公共流形映射范式遵循\textbf{cross-modal distribution consensus prediction (CDCP)}的方式。当将某一模态的特征分布映射到公共流形时,相反模态的特征分布是完全不可见的。也就是说,如何实现跨模态分布一致性,从而在构造的跨模态公共流形中嵌入和对齐多模态特征,都取决于模型本身的经验,而不是实际情况。这样的方法,这是不可避免的,多模态数据不能很好地对齐在公共流形,这最终导致一个次优的检索性能。为了克服这个\textbf{CDCP dilemma},我们提出了一种新的算法LBUL学习一致的跨模态公共流形(C $^{3}$ M)的基于文本的人检索。该方法的核心思想是“\textit{san si er hou xing}”,即到\textbf{Look Before yoU Leap (LBUL)}。LBUL的公共流形映射机制包括一个查找步骤和一个跳跃步骤。与基于CDCP的方法相比,LBUL在将特定模态的数据嵌入到C $^{3}$ M中之前,考虑了视觉模态和文本模态的分布特征,实现了更可靠的跨模态分布一致性,从而获得了更高的检索精度.我们评估我们提出的方法上两个基于文本的人检索数据集CUHK-PEDES和RSTPReid。实验结果表明,所提出的…
2022-09-13 cs.CV cs.IR cs.MM
MultiCompose: Multi-Concept Personalized Composition with Per-Subject Attribute Binding
MultiCompose是解耦多概念个性化与多主体推理的图像生成框架,通过语义保留正则化和两阶段推理解决主体身份退化与属性错位问题,引入的MSP-Bench可联合评估相关指标,性能优于现有方法。
2026-08-05 cs.CV
Cooperative Embeddings for Instance, Attribute and Category Retrieval
University of Amsterdam(阿姆斯特丹大学)
本文的目标是检索图像的基础上的实例,属性和类别相似性的概念。与现有的作品,通常只解决这些实体中的一个孤立的不同,我们引入了一个合作的嵌入来整合它们,同时保留其特定的语义表示水平。代数结构定义了一个充满实例的超空间。属性是轴对齐的,以形成子空间,而类别影响相似实例的排列。这些关系使他们能够合作,为他们的共同利益的图像检索。我们推导出一个基于代理的softmax嵌入损失,同时学习超空间和子空间中的所有相似性度量。我们在来自两个不同领域的数据集上评估我们的模型。图像检索任务的实验表明,合作嵌入的好处,多个图像相似性建模,并发现风格之间和类别内的实例演变。
2019-04-02 cs.CV
The Deeper, the Better: Analysis of Person Attributes Recognition
Naval Research Laboratory(海军研究实验室);Naval Center for Applied Research in Artificial Intelligence(海军人工智能应用研究中心);NRC Postdoctoral Fellow(NRC博士后研究员)
在人的属性识别中,我们根据他们的外表来描述一个人。通常,这包括广泛的特征,包括年龄,性别,服装和鞋类。虽然这可以用于各种各样的场景,但它通常适用于视频监控,其中属性识别受到低分辨率以及其他问题(如可变姿态,遮挡和阴影)的影响。最近的方法已经使用深度卷积神经网络(CNN)来提高人属性识别的准确性。然而,这些网络中的许多网络相对较浅,目前还不清楚它们在多大程度上使用上下文线索来提高分类准确性。在本文中,我们提出了更深层次的方法来识别人的属性。解释分类背后的原因非常重要,因为它可以提供分类器如何做出决策的见解。解释表明,更深的网络通常会考虑更多的上下文信息,这有助于提高分类的准确性和可推广性。我们提出了使用PA-100 K和PETA数据集的全身属性和使用CelebA数据集的面部属性的实验分析和结果。
2019-01-11 cs.AI cs.CV cs.IR
Attribute Guided Sparse Tensor-Based Model for Person Re-Identification
Lane Department of Computer Science and Electrical Engineering(莱恩计算机科学与电气工程系);West Virginia University(西弗吉尼亚大学)
人的视觉感知容易受到诸如相机参数、姿态和视点变化等许多因素的影响。这些变化使人的重新识别(ReID)成为一个具有挑战性的问题。然而,人类的属性通常是这种变化的强大视觉特性。在本文中,我们提出了一种新的方法来利用人的ReID属性的特征。我们的模型使用一个张量来非线性地融合身份和属性特征,然后强制损失函数中的张量参数来生成ReID的区分性融合特征。由于基于张量的方法通常包含大量参数,因此训练所有这些参数变得非常缓慢,并且过拟合的机会也会增加。为了解决这个问题,我们提出了两种基于结构稀疏学习(SSL)和张量分解(TD)方法的新技术,以创建一个准确和稳定的学习问题。我们在几个标准行人数据集上进行了实验,实验结果表明,我们基于张量的方法显着提高了人的ReID基线,并且优于最先进的方法。
2021-07-29 cs.CV
UP-Person: Unified Parameter-Efficient Transfer Learning for Text-based Person Retrieval
Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Peng Cheng Laboratory(鹏城实验室);School of ECE, Peking University(北京大学电子与计算机工程学院)
针对基于文本的人物检索(TPR)大模型全微调易过拟合问题,提出统一参数高效迁移学习方法UP-Person,集成Prefix、LoRA和Adapter组件并优化子模块,仅微调4.7%参数即在多数据集取得SOTA结果。
2025-04-14 cs.CV