AIDA-ReID：汎化可能でソースレスな人物再識別のための適応的中間ドメイン適応

arXiv cs.AI / 2026/5/4

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

人物再識別（Re-ID）は、照明・背景・カメラ特性・人物分布の違いによるドメインシフトのため、非重複カメラ間で同一人物を対応付けることが難しい。
既存の中間ドメイン適応（IDM/IDM++ など）はギャップを縮めるものの、固定された混合戦略やソースとターゲットの同時アクセスを前提とし、多ソースかつソースレス設定への適用が限られる。
本論文は AIDA（SF-MIDA とも呼称）を提案し、中間ドメイン学習をモデルの不確実性と学習安定性から得るフィードバックで、特徴混合と正則化強度を適応的に制御する動的調整プロセスとして定式化する。
AIDA では、多ソースの中間ドメイン生成器で多様な中間表現を合成し、ドメイン擾乱下でも同一性整合性を保つ擬似ミラー正則化を用いる。
ドメイン一般化およびソースレス設定での実験結果から、提案フレームワークの有効性が示されている。

Abstract

人物再識別（Re-ID）は、重なりのないカメラ視点間で同一個人の画像を対応付けることを目的とし、照明の変化、背景、カメラ特性、人物分布の違いによって生じるドメインシフトのため、依然として難しい課題です。教師ありモデルは、訓練とテストが同一条件で行われる場合には良好に機能しますが、未知の環境に展開すると性能が大幅に低下します。IDM や IDM++ のような既存の中間ドメイン手法は、ドメイン間のブリッジとなる特徴分布を構築することでこのギャップを緩和します。しかし、それらは固定された混合戦略と、ソース—ターゲットに対する同時アクセスに依存しており、マルチソースかつソースフリーの設定への適用には限界があります。本論文では、これらの制約を解決するために、適応的中間ドメイン適応（AIDA）を提案します。これは、ソースフリー・マルチソース中間ドメイン適応（SF-MIDA）とも呼ばれます。提案する枠組みでは、中間ドメイン学習を動的に制御されるプロセスとして扱い、特徴混合と正則化強度を、モデルの不確実性と訓練の安定性から得られるフィードバック信号を用いて適応的に制御します。マルチソースの中間ドメイン生成器が多様な中間表現を合成し、一方で疑似ミラー正則化戦略がドメインの摂動下でも同一性の一貫性を保持します。ドメイン汎化およびソースフリーの設定にまたがる大規模な実験により、提案枠組みの有効性が示されます。