인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Clothes-changing person re-identification aims to identify the same person under clothing changes, where conventional re-identification methods suffer from significant performance degradation due to the variation of clothing, which is one of the primary discriminative cues. Recently, CLIP-based approaches leveraging the image–text matching capability of vision-language models (VLMs) have been applied to person re-identification. However, their application to clothes-changing scenarios remains limited, and their reliance on global semantic representations makes it difficult to effectively learn local body-part features that are crucial for this task. To address this issue, this paper proposes a Parsing-guided Prompt Designframework that utilizes human parsing information to effectively learn local body-part features. The proposed method suppresses background noise while preserving only human body region information, thereby encouraging the model to focus on intrinsic human morphological characteristics. In addition, body-part-level visual features are cross-modally aligned with text prompts corresponding to each body part, enabling robust identity discrimination that is less dependent on clothing appearance. Experiments on the representative clothes-changing benchmark PRCCdemonstrate that the proposed method achieves superior performance compared with recent state-of-the-art methods.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
