NeurIPS 2025 Spotlight！跨模态重识别革命！东北大学等 MDReID 图像信息智能匹配
论文标题：MDReID: Modality-Decoupled Learning for Any-to-Any Multi-Modal Object Re-Identification
作者团队：东北大学、厦门大学、新加坡国立大学
发布时间：2025年10月27日
✅Lab4AI平台提供AI导读和AI翻译等工具，辅助论文阅读。
想象一下：警察想要通过监控录像找到一个嫌疑人。但是，不同监控摄像头的类型可能完全不同——有的拍的是普通的彩色照片（RGB），有的是黑白但能夜间看清的（NIR），还有的是能感知热量的热成像（TIR）。这就带来了一个难题：如果用一张彩色照片（RGB）去热成像（TIR）照片里找人，传统系统可能就失灵了。这篇论文就是为了解决这个“张冠李戴”的实际问题。它提出了一个叫 MDReID 的新方法，核心思想非常巧妙，叫做 “分而治之”。
⭐核心创新
MDReID 认为，任何一张图像包含的信息都可以分成两种：
- 通用特征：这是物体最本质的信息。比如一个人的体型、姿势、背包的形状。这些信息无论用什么摄像头拍，都应该差不多。
- 专用特征：这是某种摄像头特有的信息。如彩色摄像头能看到的衣服颜色，或者热成像摄像头能看到的身体热量分布。
MDReID 的核心技术即主动把这两种信息拆分开：
- 拆解信息：模型在分析图片时，会同时生成两组“密码”：通用特征和专用特征。对于一张彩色照片，模型既知道它里面包含的通用人体形状，也知道它特有的颜色信息。
- 智能对比：当需要比对两张图片时，MDReID 会进行智能匹配。专用特征只和同类型摄像头的专用特征比对（比如颜色和颜色比）。通用特征则可以跨类型自由比对（比如彩色照片里的人的体型，可以和热成像照片里的人的体型比）。
通过一种特殊的“训练法则”，模型会学习让通用特征尽可能相似，同时让通用特征和专用特征尽可能不同，避免信息冗余。
