2019 CVPR之ReID：Re-ranking via Metric Fusion for Object Retrieval and Person Re-identification

Re-ranking via Metric Fusion for Object Retrieval and Person Re-identification
当前的问题及概述：
视觉因素的变化，如视点、姿势、白光和背景，通常被认为是re-ID任务的重要挑战。尽管这些因素是有影响的，但关于它们如何影响认知系统的定量研究仍然缺乏。
本文通过探究viewpoint对系统的影响进行探究，有两大突出贡献，首先，引入了一个大型合成数据引擎PersonX。由手工制作的3D人物模型组成，该引擎的突出特点是“可控”。也就是说，我们能够通过将变量设置为任意值来合成行人；其次，在三维数据引擎上，定量分析了步距旋转角度对reid精度的影响。

A中展示的是俯视角度，摄像机的角度（FoV）不变，同一ID转动了60°（viewpoint）B展示了人物ID的不同viewpoint。
Method：
2.1 personX：
本文创建了一个包含1,266个人物模型的可控制的3D世界，如下图：

作为一个可控系统，它可以满足各种数据的需要，为了保证多样性，满足：
1，制作了不同肤色、年龄、体型(身高和体重)、发型等人体模型。
2，这些身份的衣服和佩戴的背包、肩袋、眼镜或帽子不同。衣服的材料(颜色和纹理)是从真实世界的衣服图像中映射出来的，
3，角色的动作可以是行走、奔跑、空转(站立)等也不同，
4，照明方式和强度不同，可以是定向光(太阳光)，点光，聚光灯，区域光等。颜色和强度等参数可以根据每种照明类型进行修改。
5，相机配置取决于不同的图像分辨率、投影、焦距和高度值。
6，背景不同
7，Viewpoint不同，如下图：

下表为不同数据集比较，其中view代表是否有viewpoint label，下面所有数据集，只有personX可以再编辑：

2.2evaluation of viewpoint
实验展示了3种已有方法在不同数据集的mAP指标：

A和B:两个viewpoint训练C:一个viewpoint训练D:缺少连续的viewpoint对PersonX46的影响：

从PCB在Market-1203数据集上测试结果可以看到，红色框代表了错误匹配，绿色代表正确，可以看到，匹配的图像对于viewpoint的影响更大，从而降低了准确性。

总结：
本文主要提出了一个虚拟数据集personX，这个数据集可以根据具体任务提供不同背景、人物动作着装配饰等进行不同的建模，同时这个数据集有viewpoint label。其次，本文说明了viewpoint对于ReID任务的影响较大，因此对于任意ID的图像，不同view的图像，距离明显增大，因此将来在ReID任务中应该更加攻克视角问题带来的差异性问题。具体来说，本文总结了一下3点：1缺少viewpoint label会影响train，2丢失连续的viewpoint label比丢失随机的viewpoint label更有害，3当有限的训练viewpoint label可用时，左/右方向比前/后方向能更好地训练模型。