提示与调整：一种基于视觉变换器主干的两阶段无监督域自适应人员再识别方法

本文探讨了用于无监督域自适应（UDA）人员重新识别（Re-ID）的视觉转换器（ViT）主干。虽然最近的一些研究已经验证了ViT用于监督Re-ID，但还没有研究将ViT用于UDA Re-ID。我们观察到，ViT结构为UDA Re-ID提供了一个独特的优势，即它在底层有一个提示（可学习类令牌），可用于有效地调节底层域的深度模型。为了利用这一优势，我们提出了一种新的两阶段UDA流水线，名为提示和调整（PAT），它由提示学习阶段和随后的微调阶段组成。在第一阶段，PAT通过学习两个域的提示，将模型从源域粗略地调整到目标域，而在第二阶段，PAT对整个主干进行微调，以便进一步调整，以提高准确性。尽管这两个阶段都采用了伪标签进行训练，但我们表明它们有不同的数据偏好。有了这两种偏好，即时学习和微调相互结合，共同促进了UDA Re-ID的竞争性PAT方法。