行人再识别

报告人一: 郑良 Australian National University

题目：Thoughts about Object Re-identification and Beyond

多目标多相机tracking

问题之一 不能实时

re-ID和tracking的区别

re-ID通常是global的问题，即所有帧之间的matching；tracking通常是local的问题，即相邻帧之间的matching

上面介绍了两者的联系和区别，接下来讲讲Data Synthesis在re-ID中的问题

数据域的转换

常见的GAN能解决内容相同，风格不同的图片生成，然而车辆re-ID需要生成新的内容，是有区别的。

报告人的idea

搜索一个训练集，使得source和target是相似的，即生成一个训练集使得source和target数据之间的gap得到填补

总结一下，报告者最后介绍了一下团队和Nvidia合作做了一个online的训练数据生成工具。

报告人二：常虹 中科院计算所

报告题目：Feature Representation in Person re-Id

Person Re-ID主要用于视频监控，主要挑战和问题有pose、scale、遮挡和光照等等。

Person re-ID的主要流程和两个关键的component

讲者主要关注feature representation的工作

对于video部分的recent works

对于Interaction-Aggregation feature的idea，解决pose和scale的问题

spatial的IA

channel的IA

整体的model

对于有遮挡的情况，讲者提出一种cross-attention的feature representation的方式

correlation layer

fusion layer

解决image和video信息不对称的问题

The framework

讲者最后的总结和future work的展望。