数据不够，游戏来凑！随机三维人物实现可泛化的行人再辨识（ReID）
点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 转载：52cv 【 导语】数 据不够，游戏来凑！ 阿联酋起源人工智能研究院（IIAI）科学家通过随机组合颜色和纹理产生了8000个三维人物模型，并在游戏环境里模拟真实监控得到一个虚拟行人数据集，最终通过跨库泛化性测试一举超越了CUHK03，Market-1501，DukeMTMC-reID和几乎MSMT17在内的四大主流行人再辨识数据集。 相关论文（ Surpassing Real-World Source Training Data: Random 3D Characters for Generalizable Person Re-Identification ）已被ACMMM 2020接收，数据已开源。 图1. RandPerson虚拟数据库示例图 简介 行人再辨识是近年来的热门研究领域，随着深度学习的发展取得了很大的进步。但是已有模型在不同场景下的泛化能力依然较差。一个可能的原因是，由于标注困难和隐私敏感，目前仍然缺乏大规模和多样性的训练数据。 有鉴于此，本文提出一种随机自动产生大量三维人物模型的方法，并在游戏环境里模拟真实监控进行渲染，由此得到一个大规模的虚拟行人数据集，并最终实现可泛化的行人再辨识。 具体地，本文提出一种通过随机组合颜色和纹理产生大量UV纹理图的方法