NeurIPS 2025 Spotlight！跨模態重識別革命！東北大學等 MDReID 圖像信息智能匹配
論文標題：MDReID: Modality-Decoupled Learning for Any-to-Any Multi-Modal Object Re-Identification
作者團隊：東北大學、廈門大學、新加坡國立大學
發佈時間：2025年10月27日
👉一鍵直達論文
👉Lab4AI大模型實驗室論文閲讀
✅Lab4AI平台提供AI導讀和AI翻譯等工具，輔助論文閲讀。
想象一下：警察想要通過監控錄像找到一個嫌疑人。但是，不同監控攝像頭的類型可能完全不同——有的拍的是普通的彩色照片（RGB），有的是黑白但能夜間看清的（NIR），還有的是能感知熱量的熱成像（TIR）。這就帶來了一個難題：如果用一張彩色照片（RGB）去熱成像（TIR）照片裏找人，傳統系統可能就失靈了。這篇論文就是為了解決這個“張冠李戴”的實際問題。它提出了一個叫 MDReID 的新方法，核心思想非常巧妙，叫做 “分而治之”。
⭐核心創新
MDReID 認為，任何一張圖像包含的信息都可以分成兩種：
- 通用特徵：這是物體最本質的信息。比如一個人的體型、姿勢、揹包的形狀。這些信息無論用什麼攝像頭拍，都應該差不多。
- 專用特徵：這是某種攝像頭特有的信息。如彩色攝像頭能看到的衣服顏色，或者熱成像攝像頭能看到的身體熱量分佈。
MDReID 的核心技術即主動把這兩種信息拆分開：
- 拆解信息：模型在分析圖片時，會同時生成兩組“密碼”：通用特徵和專用特徵。對於一張彩色照片，模型既知道它裏面包含的通用人體形狀，也知道它特有的顏色信息。
- 智能對比：當需要比對兩張圖片時，MDReID 會進行智能匹配。專用特徵只和同類型攝像頭的專用特徵比對（比如顏色和顏色比）。通用特徵則可以跨類型自由比對（比如彩色照片裏的人的體型，可以和熱成像照片裏的人的體型比）。
通過一種特殊的“訓練法則”，模型會學習讓通用特徵儘可能相似，同時讓通用特徵和專用特徵儘可能不同，避免信息冗餘。
