[論文レビュー] Unsupervised Adaptive Re-identification in Open World Dynamic Camera Networks

Rameswar Panda, Amran Bhuiyan+2 more|arXiv (Cornell University)|Jun 9, 2017

Video Surveillance and Tracking Methods被引用数 6

ひとこと要約

本論文は、一時的に追加される新しいカメラを含む動的カメラネットワークにおける教師なし自己適応再識別フレームワークを提案する。最適なソースカメラを特定するための地図的フロー核ベースの手法と、すべてのカメラペアにわたる精度向上を促進する推論アルゴリズムを採用しており、再トレーニングを必要とせず、ベンチマークデータセット上で最先端の教師なし手法を著しく上回る性能を発揮する。

ABSTRACT

Person re-identification is an open and challenging problem in computer vision. Existing approaches have concentrated on either designing the best feature representation or learning optimal matching metrics in a static setting where the number of cameras are fixed in a network. Most approaches have neglected the dynamic and open world nature of the re-identification problem, where a new camera may be temporarily inserted into an existing system to get additional information. To address such a novel and very practical problem, we propose an unsupervised adaptation scheme for re-identification models in a dynamic camera network. First, we formulate a domain perceptive re-identification method based on geodesic flow kernel that can effectively find the best source camera (already installed) to adapt with a newly introduced target camera, without requiring a very expensive training phase. Second, we introduce a transitive inference algorithm for re-identification that can exploit the information from best source camera to improve the accuracy across other camera pairs in a network of multiple cameras. Extensive experiments on four benchmark datasets demonstrate that the proposed approach significantly outperforms the state-of-the-art unsupervised learning based alternatives whilst being extremely efficient to compute.

研究の動機と目的

• 新たに導入されたカメラを既存の再識別システムに統合する際のコストの高い再トレーニングを回避する挑戦に対処すること。
• 新規に導入されたターゲットカメラとの教師なし適応に最適なソースカメラを、設置済みカメラのネットワークから特定すること。
• 最良のソース-ターゲットペアからの情報を活用して推論を伝播させることで、すべてのカメラペアにおける再識別精度を向上させること。
• 動的カメラ追加が想定されるリアルワールドのオープンワールド監視システムに適したスケーラブルで効率的なソリューションを開発すること。

提案手法

• 地図的フロー核に基づくドメイン感受性再識別手法を用いて、カメラペア間の類似度を計算し、新規に導入されたターゲットカメラとの適応に最適なソースカメラを同定する。
• 地図的フロー核は、カメラ間の特徴分布の多様体構造をモデル化することで、教師なしドメイン適応を可能にする。
• 直接のトレーニングデータが存在しない場合でも、最良のソース-ターゲットペアからのマッチング精度を他のカメラペアに伝播させるための推論アルゴリズムを導入する。
• 新規カメラからのラベル付きデータを一切必要とせず、特徴埋め込みとカメラ間メトリクス学習に依存する。
• ベースラインとしてKISSMEとLDMLを用いて性能を評価し、すべての可能なターゲットカメラ挿入に対して平均化された性能を算出する。
• 計算効率が高くスケーラブルな設計となっており、大規模な動的カメラネットワークに適している。

実験結果

リサーチクエスチョン

• RQ1 どのように効率的に、教師なしで新規に導入されたターゲットカメラとの適応に最適なソースカメラを特定できるか？
• RQ2 推論を伝播させることで、直接のトレーニングデータが存在しない状況下でも、複数のカメラペアにおける再識別精度を向上させられるか？
• RQ3 本手法の教師なしアプローチは、動的カメラネットワーク環境下で、教師ありメトリクス学習ベースラインと比較してどの程度優れているか？
• RQ4 ネットワークサイズやカメラの多様性が、再識別における教師なし適応の性能に与える影響は何か？
• RQ5 ラベル付きデータがなくとも、地図的フロー核がカメラ間のドメインシフトを効果的にモデル化できるか？

主な発見

• 本手法はWARDデータセットにおいて、すべての教師ありメトリクス学習ベースラインを上回り、Ours-Lが73.77%のランク-1精度を達成し、MLAPGをも上回った。
• 4台のカメラを含むRAiDデータセットでは、Ours-Lが61.87%のランク-1精度を達成し、新規カメラからのラベル付きデータが存在しないにもかかわらず、優れた性能を示した。
• 教師なしアプローチは、FTやICTといった特徴変換ベースの手法よりも顕著に優れており、両データセットで50%未満のランク-1精度にとどまっている。
• 推論を伝播させることで、新規カメラに直接のトレーニングデータが存在しない場合でも、すべてのカメラペアで性能向上が達成された。
• 計算効率が高く、KISSMEベースのバージョンはLDMLより40%高速であり、大規模な展開に適している。
• 大規模なネットワークでも効果的であり、カメラ数の増加やドメインシフトに対して堅牢であることが示された。