Bi-C2R：无重新索引的终身行人再识别

Research Paper#Computer Vision, Person Re-identification, Lifelong Learning🔬 Research|分析: 2026年1月3日 06:15•
发布: 2025年12月31日 17:50
•
1分で読める
•ArXiv

分析

本文解决了终身行人再识别（L-ReID）的挑战，引入了一个名为无重新索引终身行人再识别（RFL-ReID）的新任务。核心问题是更新模型中的查询特征与旧模型中的画廊特征之间的不兼容性，特别是在由于隐私或计算限制而无法重新索引的情况下。提出的Bi-C2R框架旨在在不重新索引的情况下保持旧模型和新模型之间的兼容性，这使其成为该领域的重要贡献。
引用 / 来源
查看原文
"The paper proposes a Bidirectional Continuous Compatible Representation (Bi-C2R) framework to continuously update the gallery features extracted by the old model to perform efficient L-ReID in a compatible manner."
A
ArXiv2025年12月31日 17:50
* 根据版权法第32条进行合法引用。
较旧

OpenAI Official Cheat Sheet Draws Attention: Prompt Creation as 'Structured Engineering'

较新

How to Train a Custom LLM/ChatGPT on Your Documents (Dec 2023)

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv