arXiv cs.CV· Moseli Mots'oehli, Thulani Babeli·· 5 小时前AI 评分22
Front2Back-ReID：面向非对称跨视角车辆重识别的视觉语言模型基准
Front-to-Back: Benchmarking Vision-Language Models for Asymmetric Cross-View Vehicle Re-Identification
AI 导读
研究者推出 Front2Back-ReID 基准，包含来自南非 20 段录制序列的 500 个经人工核验的车辆交接样本，用于评测前摄与后摄跨视角车辆匹配。最强 VLM 在目标裁剪图上取得 76.6% Rank-1 准确率，与冻结的 SigLIP2 基线 74.0% 差异不具统计显著性，而人类参与者用完整图像达到 94.0%。结果显示通用 VLM 尚未稳定超越强视觉检索方法，人类仍明显更可靠。
来源：arXiv cs.CV · arxiv.org