ECCV 2020 论文大盘点-人员重识别

本文盘点ECCV 2020 中所有与人员再识别（Person Re-Identification，ReID）相关的论文，总计 24 篇，其中两篇Oral 论文，15篇已经或者将开源代码。

这一领域可称为时视频监控领域的核心技术，已经成为近几年的研究热点，其中跨域的ReID和如何利用非标签数据的无监督方法吸引的研究学者众多。

下载包含这些论文的 ECCV 2020 所有论文：

ECCV 2020 论文合集下载，分类盘点进行中

跨域人员重识别

Joint Disentangling and Adaptation for Cross-Domain Person Re-Identification

作者 | Yang Zou, Xiaodong Yang, Zhiding Yu, B.V.K. Vijaya Kumar, Jan Kautz

单位 | 卡内基梅隆大学；英伟达

论文 | https://arxiv.org/abs/2007.10315

代码 | https://github.com/NVlabs/DG-Net-PP（404）

备注 | ECCV 2020 Oral

Generalizing Person Re-Identification by Camera-Aware Invariance Learning and Cross-Domain Mixup

作者 | Chuanchen Luo, Chunfeng Song, Zhaoxiang Zhang

单位 | 国科大等

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123600222.pdf

代码 | https://github.com/LuckyDC/generalizing-reid

备注 | ECCV 2020

Multiple Expert Brainstorming for Domain Adaptive Person Re-identification

作者 | Yunpeng Zhai, Qixiang Ye, Shijian Lu, Mengxi Jia, Rongrong Ji, Yonghong Tian

单位 | 北大；国科大；南洋理工大学；厦门大学

论文 | https://arxiv.org/abs/2007.01546

代码 | https://github.com/YunpengZhai/MEB-Net

备注 | ECCV 2020

Prediction and Recovery for Adaptive Low-Resolution Person Re-Identification

作者 | Ke Han , Yan Huang , Zerui Chen , Liang Wang , Tieniu Tan

单位 | 中科院；国科大等

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123710188.pdf

备注 | ECCV 2020

基于视频的人员重识别

Appearance-Preserving 3D Convolution for Video-based Person Re-identification

作者 | Xinqian Gu, Hong Chang, Bingpeng Ma, Hongkai Zhang, Xilin Chen

单位 | 中科院；国科大

论文 | https://arxiv.org/abs/2007.08434

代码 | https://github.com/guxinqian/AP3D

备注 | ECCV 2020 Oral

目的：解决基于视频人员重识别中的 temporal appearance misalignment 问题。

方案：提出 AppearancePreserving 3D Convolution (AP3D)，由Appearance-Preserving Module (APM) 和 a 3D convolution kernel 组成。

结果：实验验证了 AP3D 对于基于视频的 ReID 的有效性，并且在三个广泛使用的数据集上的结果显示超越了 SOTA。

Temporal Coherence or Temporal Motion: Which is More Critical for Video-based Person Re-identification?

作者 | Guangyi Chen, Yongming Rao, Jiwen Lu, Jie Zhou

单位 | 清华等

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123530647.pdf

备注 | ECCV 2020

Temporal Complementary Learning for Video Person Re-Identification

作者 | Ruibing Hou, Hong Chang, Bingpeng Ma, Shiguang Shan, Xilin Chen

单位 | 中科院；国科大

论文 | https://arxiv.org/abs/2007.09357

代码 | https://github.com/blue-blue272/VideoReID-TCLNet

备注 | ECCV 2020

无监督人员重识别

Global Distance-distributions Separation for Unsupervised Person Re-identification

作者 | Xin Jin, Cuiling Lan, Wenjun Zeng, Zhibo Chen

单位 | 中国科学技术大学；微软亚洲研究院

论文 | https://arxiv.org/abs/2006.00752

备注 | ECCV 2020

An Attention-driven Two-stage Clustering Method for Unsupervised Person Re-Identification

作者 | Zilong Ji, Xiaolong Zou, Xiaohan Lin, Xiao Liu, Tiejun Huang, Si Wu

单位 | 北京师范大学；北大等

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123730018.pdf

备注 | ECCV 2020

无监督域适应人员重识别

Deep Credible Metric Learning for Unsupervised Domain Adaptation Person Re-identification

作者 | Guangyi Chen, Yuhao Lu, Jiwen Lu, Jie Zhou

单位 | 清华大学等

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123530630.pdf

备注 | ECCV 2020

Unsupervised Domain Adaptation with Noise Resistible Mutual-Training for Person Re-identification

作者 | Fang Zhao, Shengcai Liao, Guo-Sen Xie, Jian Zhao, Kaihao Zhang, Ling Shao

单位 | IIAI等

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123560511.pdf

备注 | ECCV 2020

Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification

作者 | Jianing Li, Shiliang Zhang

单位 | 北大

论文 | https://arxiv.org/abs/2007.10854

备注 | ECCV 2020

Unsupervised Domain Adaptation in the Dissimilarity Space for Person Re-identification

作者 | Djebril Mekhazni, Amran Bhuiyan, George Ekladious, Eric Granger

单位 | Ecole de technologie sup´erieure

论文 | https://arxiv.org/abs/2007.13890

代码 | https://github.com/djidje/D-MMD（即将）

备注 | ECCV 2020

自监督单样本视频人员重识别

Exploiting Temporal Coherence for Self-Supervised One-shot Video Re-identification

作者 | Dripta S. Raychaudhuri, Amit K. Roy-Chowdhury

单位 | 加州大学河滨分校

论文 | https://arxiv.org/abs/2007.11064

备注 | ECCV 2020

他人干扰下的人员重识别

Do Not Disturb Me: Person Re-identification Under the Interference of Other Pedestrians

作者 | Shizhen Zhao, Changxin Gao, Jun Zhang, Hao Cheng, Chuchu Han, Xinyang Jiang, Xiaowei Guo, Wei-Shi Zheng, Nong Sang, Xing Sun

单位 | 华中科技大学；腾讯优图；中山大学

论文 | https://arxiv.org/abs/2008.06963

代码 | https://github.com/X-BrainLab/PI-ReID

备注 | ECCV 2020

拥挤场景下的人员重识别

Guided Saliency Feature Learning for Person Re-identification in Crowded Scenes

作者 | Lingxiao He, Wu Liu

单位 | 京东AI

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123730358.pdf

代码 | https://github.com/JDAI-CV/fast-reid/blob/master/projects/CrowdReID（404）

备注 | ECCV 2020

又好又快的人员重识别

Faster Person Re-Identification

作者 | Guan'an Wang, Shaogang Gong, Jian Cheng, Zengguang Hou

单位 | 中科院；伦敦玛丽女王大学；国科大

论文 | https://arxiv.org/abs/2008.06826

代码 | https://github.com/wangguanan/light-reid

备注 | ECCV 2020

该文聚焦于基于Hash方法的ReID的加速，提出了一种结合长、短编码的由粗到细的搜索方法，不仅大大提高了算法速度还提高了精度。相对基于Hash的ReID方法，精度增加8%，速度快了5倍，相对非Hash的ReID方法，精度差不多，但快了50倍！

跨模态人员重识别（可见光-红外）

Dynamic Dual-Attentive Aggregation Learning for Visible-Infrared Person Re-Identification

作者 | Mang Ye, Jianbing Shen, David J. Crandall, Ling Shao, Jiebo Luo

单位 | IIAI；印第安纳大学等

论文 | https://arxiv.org/abs/2007.09314

代码 | https://github.com/mangye16/DDAG

备注 | ECCV 2020

图像到视频的人员重识别

READ: Reciprocal Attention Discriminator for Image-to-Video Re-Identification

作者 | Minho Shim, Hsuan-I Ho, Jinhyung Kim, Dongyoon Wee

单位 | 苏黎世联邦理工学院；KAIST；NAVER Corp

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123590324.pdf

备注 | ECCV 2020

多视图知识蒸馏用于鲁棒的人员重识别

Robust Re-Identification by Multiple Views Knowledge Distillation

作者 | Angelo Porrello, Luca Bergamini, Simone Calderara

单位 | 摩德纳-雷焦·埃米利亚大学

论文 | https://arxiv.org/abs/2007.04174

代码 | https://github.com/aimagelab/VKD

备注 | ECCV 2020

图像到视频的ReID问题往往相比视频到视频的ReID精度要下降很多，本文使用知识蒸馏的方法迁移多视图的视频到视频ReID的特征，使得最终图像到视频ReID精度大幅提升，提升了6.3% mAP on MARS, 8.6% on Duke-Video-ReId and 5% on VeRi-776。在人员、车辆、动物ReID问题中均取得了成功。