VALSE 论文速览 第155期：MSINet:Twins Contrastive Search for Object ReID

论文题目：

MSINet: Twins Contrastive Search of Multi-Scale Interaction for Object ReID

作者列表：

顾见洋 (浙江大学)、王锴 (新加坡国立大学)、罗浩 (阿里巴巴)、陈忱 (OPPO研究院) 、姜伟 (浙江大学) 、方宇强 (航天工程大学) 、仉尚航 (北京大学) 、尤洋 (新加坡国立大学) 、赵健 (军事科学院)

B站观看网址：

https://www.bilibili.com/video/BV1XN4y127eF/

论文摘要：

神经架构搜索 (Neural Architecture Search, NAS)在目标重识别 (Re-Identification, ReID)领域中具有越来越大的影响力，因为针对特定任务设计的架构可以显著提高检索的性能。之前的一些工作探索了NAS ReID的新优化目标和搜索空间，但忽略了图像分类和ReID之间训练机制的差异。在这项工作中，我们提出了一种新颖的孪生对比机制 (Twins Contrastive Mechanism, TCM)，为ReID架构搜索提供更合适的监督。TCM减少了训练和验证数据之间的类别重叠，并协助NAS模拟现实世界的ReID训练机制。然后，我们设计了一个多尺度交互 (Multi-Scale Interaction, MSI)搜索空间来搜索多尺度特征之间的合理交互操作。此外，我们引入了一个空间对齐模块 (Spatial Alignment Module, SAM)，以进一步增强不同来源图像所面临的注意力一致性。在所提出的NAS方案下，我们将搜索得到的架构命名为MSINet。大量的实验表明，我们的方法在域内和跨域场景上都超越了最先进的ReID方法。

参考文献：

[1] Gu, Jianyang, et al. "MSINet: Twins Contrastive Search of Multi-Scale Interaction for Object ReID." Proceedings of the IEEE/ CVF Conference on Computer Vision and Pattern Recognition. 2023.

论文链接：

[https://arxiv.org/abs/2303.07065]

代码链接：

[https://github.com/vimar-gu/MSINet]

视频讲者简介：

顾见洋，浙江大学博士生。主要研究方向为目标重识别和数据集蒸馏。目前在CCF A类期刊会议上发表多篇论文。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：胡鹏 (四川大学)

季度轮值AC：樊彬 (北京科技大学)