摘要

物体的外观会随着姿态变化而发生显著改变，这对嵌入方法构成了挑战，因为这类方法旨在将具有相同物体ID的实例映射到尽可能接近的位置。在重识别（reID）等复杂的计算机视觉任务中，这一问题尤为突出。本文提出，这种显著的外观变化表明，一个物体ID实际上由多个自然子群组成，若强行将不同子群中的实例映射至同一位置，反而会适得其反。基于此，我们提出一种关系保持的三元组挖掘方法（Relation Preserving Triplet Mining, RPTM），该方法通过特征匹配引导的三元组挖掘机制，确保所选三元组能够尊重物体ID内部的自然子群结构。利用这一挖掘机制，我们构建了一种姿态感知且具有良好条件性的三元组损失函数，该函数通过隐式地强制视角一致性来实现。该方法使得单一网络能够在不同数据集上使用固定参数进行训练，并取得当前最优的性能表现。代码已开源，地址为：https://github.com/adhirajghosh/RPTM_reid。