DOI: https://doi.org/10.1109/tmm.2026.3668499
تاريخ النشر: 2026-01-01
المؤلف: Hongyang Gu وآخرون
الموضوع الرئيسي: طرق المراقبة بالفيديو والتتبع
نظرة عامة
في هذا القسم، يتناول المؤلفون تحدي استخراج ميزات تمييزية قوية في إعادة تحديد الهوية الشخصية (ReID)، مع تسليط الضوء على قيود الشبكات العصبية التلافيفية التقليدية (CNNs) والأساليب المعتمدة على المحولات. يقدمون إطار عمل جديد يسمى ReIDMamba، الذي يستخدم نهج مابا النقي للاستفادة بفعالية من الميزات العالمية الدقيقة من خلال دمج عدة رموز فئة. لتعزيز قوة الميزات، يتضمن الإطار ابتكارات رئيسية: مستخرج الميزات متعدد الحبيبات (MGFE) وتنظيم ثلاثي الوعي بالترتيب (RATR). يستخدم MGFE بنية متعددة الفروع لتوليد ميزات متعددة الحبيبات متنوعة، بينما يقلل RATR من التكرار ويعزز التنوع بين الميزات من خلال تطبيق قيود داخل الفئة وبين الفئات.
يدعي المؤلفون أن ReIDMamba يقلل بشكل كبير من عدد المعلمات مقارنة بالنماذج الحالية مثل TransReID، بينما يظهر أيضًا استخدام ذاكرة GPU أقل وأوقات استدلال أسرع. تشير النتائج التجريبية إلى أن ReIDMamba يحقق أداءً رائدًا في خمسة معايير ReID. ويختتم المؤلفون بالإشارة إلى أن الأبحاث المستقبلية يمكن أن تستكشف تدريب نماذج ReID بناءً على إطار عمل مابا، مما قد يعزز التوازن بين الدقة والكفاءة الحسابية، مما قد يحول إعادة تحديد الهوية الشخصية والحقول ذات الصلة.
مقدمة
ت outlines مقدمة ورقة البحث الأهداف الرئيسية وأهمية الدراسة. يحدد السياق من خلال تسليط الضوء على الفجوات الموجودة في الأدبيات والحاجة إلى مزيد من التحقيق في المجال المحدد. يؤكد المؤلفون على أهمية سؤال بحثهم وآثاره المحتملة في تقدم المعرفة والممارسة.
بالإضافة إلى ذلك، قد تقدم المقدمة لمحة موجزة عن المنهجيات المستخدمة في الدراسة، فضلاً عن المساهمات المتوقعة في هذا المجال. من خلال تأطير البحث ضمن الخطاب الأكاديمي الأوسع، يهدف المؤلفون إلى جذب القارئ وتسليط الضوء على أهمية نتائجهم.
الطرق
ي outlines قسم المنهجية تطوير إطار عمل ReID-Mamba لإعادة تحديد الهوية الشخصية (ReID)، والذي يبني على أساس تصنيف الصور المعتمد على مابا. تشمل التحسينات الرئيسية مستخرج الميزات متعدد الحبيبات (MGFE) وتنظيم ثلاثي الوعي بالترتيب (RATR)، بهدف تحسين قوة الميزات. تم تقييم أداء الإطار بدقة مقارنة بالأساليب الرائدة عبر مجموعات بيانات متنوعة، بما في ذلك MSMT17 وMarket1501 وDukeMTMC-reID وCUHK03، مما يظهر نتائج تنافسية. من الجدير بالذكر أن ReID-Mamba حقق متوسط دقة متوسطة (mAP) قدرها 70.6% على مجموعة بيانات MSMT17، متجاوزًا الأساليب الحالية المعتمدة على CNN وTransformer بنسبة 1.2%.
بالإضافة إلى ذلك، تم إجراء دراسات إلغاء لتقييم تأثير إعدادات التدريب المختلفة وتكوينات الهيكل على مقاييس الأداء مثل mAP ودقة الترتيب-1. أشارت النتائج إلى أن ReID-Mamba تفوق باستمرار على الأساليب الأخرى، حتى بدون تحسينات معقدة مثل تعزيز حالات الانسداد. ومع ذلك، في مهمة Occluded ReID، أظهر أداءً أقل قليلاً مقارنة بالأساليب التي تدمج إشارات إضافية، مما يبرز التحديات التي تطرحها الانسدادات في استخراج الميزات. تشير النتائج إلى أن دمج مثل هذه التقنيات يمكن أن يعزز فعالية ReID-Mamba في التعامل مع السيناريوهات المغلقة.
نقاش
في هذا القسم، يناقش المؤلفون التقدم في إعادة تحديد الهوية الشخصية (ReID) ضمن رؤية الكمبيوتر، مع التأكيد على الانتقال من أساليب استخراج الميزات التقليدية إلى أساليب التعلم العميق، وخاصة الشبكات العصبية التلافيفية (CNNs) والمحولات. بينما كانت CNNs فعالة في استخراج الميزات الهرمية، إلا أنها غالبًا ما تكافح لالتقاط السياق العالمي بسبب تركيزها على الميزات المحلية وحقول الاستقبال الثابتة. للتغلب على هذه القيود، تم دمج آليات الانتباه في CNNs، مما يعزز قدرتها على التقاط الاعتماديات بعيدة المدى. ومع ذلك، فإن الطلبات الرباعية على الذاكرة والحوسبة لهياكل المحولات، مثل TransReID، تقيد تطبيقها العملي في السيناريوهات الواقعية.
يقدم المؤلفون بنية مابا، التي تستخدم نموذج مساحة الحالة الانتقائية (SSM) لمعالجة بيانات الإدخال بكفاءة مع التقاط الميزات العالمية دون عيوب CNNs والمحولات التقليدية. يقترحون إطار عمل جديد، ReIDMamba، الذي يتضمن مستخرج ميزات متعدد الحبيبات (MGFE) وتقنية تنظيم ثلاثي الوعي بالترتيب (RATR). يعزز MGFE تمييز الميزات من خلال استخراج ميزات متعددة الحبيبات من خلال بنية متعددة الفروع، بينما يعزز RATR تنوع الميزات وقوتها من خلال تقليل التكرار بين الميزات المستخرجة من فروع مختلفة. يظهر إطار عمل ReIDMamba أداءً رائدًا عبر خمسة مجموعات بيانات مرجعية، مما يمثل مساهمة كبيرة في مجال إعادة تحديد الهوية الشخصية من خلال الاستفادة من مزايا بنية مابا.
DOI: https://doi.org/10.1109/tmm.2026.3668499
Publication Date: 2026-01-01
Author(s): Hongyang Gu et al.
Primary Topic: Video Surveillance and Tracking Methods
Overview
In the section, the authors address the challenge of extracting robust discriminative features in person re-identification (ReID), highlighting the limitations of traditional convolutional neural networks (CNNs) and Transformer-based methods. They introduce a novel framework named ReIDMamba, which utilizes a pure Mamba approach to effectively leverage fine-grained global features through the incorporation of multiple class tokens. To enhance feature robustness, the framework includes two key innovations: the multi-granularity feature extractor (MGFE) and ranking-aware triplet regularization (RATR). The MGFE employs a multi-branch architecture to generate diverse multi-granularity features, while RATR reduces redundancy and promotes diversity among features by applying intra-class and inter-class constraints.
The authors claim that ReIDMamba significantly reduces the number of parameters compared to existing models like TransReID, while also demonstrating lower GPU memory usage and faster inference times. Experimental results indicate that ReIDMamba achieves state-of-the-art performance across five ReID benchmarks. The authors conclude by suggesting that future research could explore pre-training ReID models based on the Mamba framework, which may enhance the balance between accuracy and computational efficiency, potentially transforming person re-identification and related fields.
Introduction
The introduction of the research paper outlines the primary objectives and significance of the study. It establishes the context by highlighting the existing gaps in the literature and the need for further investigation in the specified field. The authors emphasize the importance of their research question and its potential implications for advancing knowledge and practice.
Additionally, the introduction may present a brief overview of the methodologies employed in the study, as well as the anticipated contributions to the field. By framing the research within the broader academic discourse, the authors aim to engage the reader and underscore the relevance of their findings.
Methods
The methodology section outlines the development of the ReID-Mamba framework for person re-identification (ReID), which builds upon a Mamba-based image classification foundation. Key enhancements include a multi-granularity feature extractor (MGFE) and a ranking-aware triplet regularization (RATR), aimed at improving feature robustness. The framework’s performance was rigorously evaluated against state-of-the-art methods across various datasets, including MSMT17, Market1501, DukeMTMC-reID, and CUHK03, demonstrating competitive results. Notably, ReID-Mamba achieved a mean Average Precision (mAP) of 70.6% on the MSMT17 dataset, surpassing existing CNN and Transformer-based approaches by 1.2%.
Additionally, ablation studies were conducted to assess the impact of various training settings and architectural configurations on performance metrics such as mAP and rank-1 accuracy. The results indicated that ReID-Mamba consistently outperformed other methods, even without complex enhancements like occlusion instance augmentation. However, in the Occluded ReID task, it showed slightly lower performance compared to methods that incorporate additional cues, highlighting the challenges posed by occlusions in feature extraction. The findings suggest that integrating such techniques could further enhance ReID-Mamba’s effectiveness in handling occluded scenarios.
Discussion
In this section, the authors discuss the advancements in person re-identification (ReID) within computer vision, emphasizing the transition from traditional feature extraction methods to deep learning approaches, particularly Convolutional Neural Networks (CNNs) and Transformers. While CNNs have been effective in extracting hierarchical features, they often struggle with capturing global context due to their local feature focus and fixed receptive fields. To overcome these limitations, attention mechanisms have been integrated into CNNs, enhancing their ability to capture long-range dependencies. However, the quadratic memory and computational demands of Transformer architectures, such as TransReID, restrict their practical application in real-world scenarios.
The authors introduce the Mamba architecture, which utilizes a selective state space model (SSM) to efficiently process input data while capturing global features without the downsides of traditional CNNs and Transformers. They propose a novel framework, ReIDMamba, which incorporates a multi-granularity feature extractor (MGFE) and a ranking-aware triplet regularization (RATR) technique. The MGFE enhances feature discrimination by extracting multi-granularity features through a multi-branch architecture, while RATR promotes feature diversity and robustness by minimizing redundancy among features extracted from different branches. The ReIDMamba framework demonstrates state-of-the-art performance across five benchmark datasets, marking a significant contribution to the field of person ReID by leveraging the advantages of the Mamba architecture.