AttriBE：認識と識別のためのボディ埋め込みにおける属性表現力（Attribute Expressivity）の定量化
arXiv cs.CV / 2026/5/1
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- この論文は、目標とする属性と学習された特徴の相互情報量として定義される「表現力（expressivity）」を、二次のニューラルネットワークで測定する枠組みを提案し、人物再識別（ReID）埋め込みを分析します。
- 大規模な可視スペクトルのデータセットで、3つのトランスフォーマー型ReIDモデルを評価した結果、BMIが最も表現力高く符号化され、特に深い層で顕著であることが示されます。
- クロススペクトルの人物同定（赤外：短波・中波・長波）では、ピッチがBMIに匹敵する表現力を持ち、属性の表現力は深さとともに単調に増加し、モダリティ間ギャップを埋める際に構造的手がかりへの依存が強まることが示唆されます。
- 著者らは、トランスフォーマー型ReID埋め込みが暗黙の属性の階層構造を含み、形態計測情報が一貫して埋め込まれつつ、クロススペクトル条件ではポーズの寄与がより強くなると結論づけています。
- 本結果は、性別・ポーズ・BMIなどの属性の“漏れ”によって生じる公平性や汎化リスクを定量的に理解し、将来的に軽減するための手がかりを提供します。
