ビデオベース人物再識別（Video-based Person Re-identification, Re-ID）は、コンピュータビジョン分野における重要なタスクであり、ギャラリー内のビデオクリップからクエリクリップと同じ人物を正確に検索することを目的としています。静止画像ベースの再識別とは異なり、ビデオデータには豊富な時系列情報が含まれており、問題解決のための多くの手がかりを提供する一方で、特に外観が類似した人物を識別する際には、モデルに高度な細粒度特徴抽出能力が要求されるため、大きな課題も伴います。
最近、研究チームは入力認識可能な拡張可能エキスパートモジュール（Input-aware Extendable Expert Module）を提案し、細粒度情報の探索能力を大幅に強化しました。この研究の中心的な革新は、データセット全体のすべてのサンプルでネットワークパラメータを均一に更新するのではなく、複数のエキスパートネットワークを訓練し、それぞれを外観が非常に類似したサンプルの特定のサブセットに特化させる点にあります。この設計により、エキスパートは類似サンプル間の微妙な差異を掘り下げることに集中でき、識別能力が向上します。
この目標を達成するために、モジュールには2つのメカニズムが組み込まれています。第一のメカニズムは入力認識エキスパート選択（Input-aware Expert Selection）であり、入力クエリに基づいて最も関連性の高いエキスパート群を動的に活性化し、それらを類似サンプルのサブセットに特化させます。これにより、エキスパートはサンプル間の微細な違いを活用するよう促されます。第二のメカニズムは時空間選択（Spatial-Temporal Selection）であり、空間的および時間的側面における細粒度差に対する感度をさらに高め、異なる入力サンプルに対してそれらの差異を動的に利用することを可能にします。さらに、モジュールは拡張可能なスキームにより、必要に応じて新しいエキスパートを柔軟に追加できるように設計されており、再トレーニングの必要はありません。
実験では、提案手法は2つの大規模データセットで最先端の性能を達成し、既存手法を凌駕しました。この研究成果は国際会議V3SC 2026 @ ICPRに採択されています。本作品は、ビデオベース人物再識別の分野に新しいアプローチを提供し、エキスパートの分業と動的選択を通じて細粒度特徴学習を強化する大きな可能性を示しています。