BagDINO: DINOv3를 활용한 다중 뷰 수하물 재식별
BagDINO: Multi-View Baggage Re-Identification with DINOv3
한국어 초록
위탁 수하물의 오취급은 공항 운영에서 지속적으로 발생하는 문제이며, 현재의 회수 워크플로는 여전히 태그 기반 추적에 크게 의존하고 있어 태그 정보가 유실되거나 제공되지 않을 경우 시각적 식별을 직접적으로 지원하지 못합니다. 본 논문은 다중 카메라 환경에서 수하물 재식별(re-identification)을 인스턴스 수준의 검색 문제로 조사하고, DINOv3 파운데이션 모델(foundation model) 표현을 활용하여 쿼리 이미지를 등록된 수하물 이미지 갤러리와 매칭합니다. DINOv3 백본(backbone) 상단에 Torchreid 스타일의 BNNeck 재식별 헤드를 배치하고, LoRA를 통해 매개변수 효율적인 적응(parameter-efficient adaptation)을 수행합니다. MVB 벤치마크에서 백본을 완전히 고정한 방식과 LoRA 및 미세조정(fine-tuning) 전략을 비교하는 점진적 연구를 통해 실험을 수행합니다. 실험 결과는 파운데이션 모델 특징의 매개변수 효율적인 적응이 제한된 학습 데이터 환경에서 다중 뷰 수하물 재식별을 위한 효과적이고 안정적인 접근 방식을 제공함을 보여줍니다.
원문 초록
Mishandled checked baggage remains a recurrent issue in airport operations, and current recovery workflows still largely rely on tag-based tracking, which does not directly support visual identification when tag evidence is missing or unavailable. This paper investigates baggage re-identification as an instance-level retrieval problem in a multi-camera setting, leveraging DINOv3 foundation-model representations to match a query image against a gallery of registered baggage images. A Torchreid-style BNNeck re-identification head is placed on top of a DINOv3 backbone, and parameter-efficient adaptation is performed via LoRA. Experiments are conducted on the MVB benchmark using a progressive study that compares a fully frozen backbone against LoRA and fine-tuning strategies. Results indicate that parameter-efficient adaptation of foundation-model features provides an effective and stable approach for multi-view baggage re-identification under limited training data.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
공통 태그로 연결된 공개 논문이 아직 없습니다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.
저자 비고
arXiv Comments
7 pages, 4 figures, 3 tables, IEEE International Conference on Evolving and Adaptive Intelligent Systems 2026 (IEEE EAIS 2026)