论文标题：A Video Is Worth Three Views: Trigeminal Transformers for Video-based Person Re-identification 论文链接：https://arxiv.org/abs/2104.01745 作者单位：大连理工大学(卢湖川团队) & 中科智云

TMT：基于Transformer的视频行人Re-ID新网络（三叉戟结构），表现SOTA！性能优于GRL（CVPR 2021）、TCLNet等网络，代码即将开源！

基于视频的行人重识别（Re-ID）旨在在不重叠的摄像头下检索同一个人的视频序列。先前的方法通常集中于有限的视图，例如空间，时间或时空视图，这些视图缺乏在不同特征域中的观察结果。为了捕获更丰富的感知并提取更全面的视频表示，在本文中，我们为基于视频的人Re-ID提出了一个名为Trigeminal Transformers（TMT）的新颖框架。更具体地说，我们设计了一个三叉特征提取器，将原始视频数据共同转换为空间，时间和时空域。此外，在视觉Transformer取得巨大成功的启发下，我们介绍了基于视频行人Re-ID的Transformer结构。在我们的工作中，提出了三个自视Transformer，以利用局部特征之间的关系来增强空间，时间和时空域中的信息。此外，提出了跨视图转换器以聚合多视图特征，以实现全面的视频表示。实验结果表明，与其他基于公共Re-ID基准的最新方法相比，我们的方法可以实现更好的性能。我们将发布用于模型复制的代码。

内容中包含的图片若涉及版权问题，请及时与我们联系删除