摘要

现代人物再识别（Re-ID）方法的泛化能力较弱，在捕获环境变化时会出现显著的精度下降。这是由于现有的多摄像头Re-ID数据集在规模和多样性上存在局限，因为此类数据难以获取。与此同时，有大量的未标记单摄像头记录可用。这些数据易于收集，因此更具多样性。目前，单摄像头数据仅用于Re-ID方法的自监督预训练。然而，在预训练之后通过有限的多摄像头数据进行微调会抑制单摄像头数据的多样性。在本文中，我们提出了一种名为ReMix的广义Re-ID方法，该方法联合训练了有限的标记多摄像头数据和大量的未标记单摄像头数据。通过一种新颖的数据采样策略和适应于两种类型数据联合使用的新型损失函数，我们的方法实现了有效的训练。实验结果表明，ReMix具有较高的泛化能力，并在可泛化的人物再识别任务中优于现有最先进方法。据我们所知，这是第一项探索在人物再识别中联合训练多摄像头和单摄像头数据混合体的工作。