近日，2021国际顶级会议ACM Multimedia首次在四川成都举办，计算机学院朱艾春老师指导的2021级研究生王子杰同学的长文“DSSL:Deep Surroundings-person Separation Learning for Text-based Person Retrieval”被大会录用为Oral Presentation（口头报告论文，录用率约9%）。

ACM Multimedia有着严苛的录用标准，2021年的投稿量达2544篇，经过Desk Rejects后有1942篇论文进入审稿阶段，最终大会仅录用179篇口头报告论文，363篇海报论文。ACM Multimedia是计算机学科多媒体领域的顶级国际会议，也是中国计算机学会（CCF）推荐的该领域唯一的A类国际学术会议。

该论文针对跨模态行人重识别任务展开研究，并提出了一种深度环境行人分离学习模型（Deep Surroundings-person Separation Learning model, DSSL）。现有算法一般都致力于学习一个公共空间映射，以从异质的多模态数据中提取富有鉴别能力的特征。但由于高维数据的复杂性，无约束的映射方法很难在正确捕捉行人特征的同时剥离掉干扰信息。论文提出了一种深度环境行人分离学习模型（DSSL），以进行高效精准的行人特征提取与匹配。如图2及图3所示，环境行人分离与融合机制（SPSM+SPFM）起到了关键性的作用，在信息正交约束下，通过行人特征的分离与跨模态融合重构匹配，从而实现精准的环境行人剥离与匹配，极大提升了模型精度。此外，为了进一步推动该课题后续研究的发展，该研究团队在MSMT17基础上，构建了一个全新的真实场景跨模态行人重识别数据集（Real Scenarios Text-based Person Reidentification dataset，RSTPReid），其中每个行人的5张图像均由不同相机在不同的时间、地点、天气、光照、视角等条件下拍摄得到。目前，该数据集发布在GitHub实验室主页上：https://github.com/NjtechCVLab/RSTPReid-Dataset，以供其他学者学习和使用。

作者：计算机科学与技术学院；审核：万夕里、刘学军