论文称图像与文本行人重识别目标难兼得

Karina Kvanchiani 与 Timur Mamedov 发表的 arXiv 论文称，图像行人重识别与文本行人重识别共用视觉编码器时优化目标冲突：前者要压缩同身份图像间距，后者要保留实例级文本对应的差异，单一无约束编码器无法同时满足两者。 作者称，两阶段流程验证了这一点：先训练共享视觉编码器获得身份不变性并冻结，仅对齐文本编码器；图像重识别预训练能提升后续文本重识别表现，预训练中加入文本监督还能进一步提升。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。