【论文翻译】Joint Discriminative and Generative Learning for Person Re-identification
摘要：由于不同摄像机内部的重大变化，行人识别（re-id）仍然具有挑战性。最近，人们越来越关注使用生成模型来增强训练数据并增强输入变化的不变性。然而，现有方法中的生成数据流程与辨别性re-id学习阶段保持相对分离。因此，re-id模型通常以直接的方式利用生成的数据训练。在本文中，我们通过更好地利用生成的数据来寻求改进学习的re-id特征。为此，我们提出了一个联合学习框架，它将re-id学习和数据生成端到端地结合在一起。我们的模型涉及一个生成模块，它将每个人分别编码为特征代码和结构代码，以及一个与生成模块共享外观编码器的判别模块。通过切换特征或结构编码，生成模块能够生成高质量的交叉ID组合图像，这些图像在线反馈到特征编码器并用于改进判别模块。提出的联合学习框架在不使用生成数据的情况下显著改善了基准，从而在几个基准数据集上实现了最先进的性能。