본 논문은 차량 재식별화 모델의 일반화 성능 부족 문제를 다루고 있어요. 기존 데이터셋 검사 결과, 동일 차종 차량이 훈련 및 테스트 데이터에 반복적으로 등장하는 문제점을 발견했어요. 새로운 평가 방법을 제안하여, 기존 모델이 훈련 데이터를 암기하는 데 의존하는 한계를 분석했어요.
새로운 평가 방식은 미지의 차량 유형에 대한 일반화 능력을 효과적으로 측정하고, 시야별 분할을 통해 시야 변화에 대한 강건성과 세부 사항에 대한 주의를 구분해요. 현재 모델들은 미지의 차량 유형에 대한 일반화에 어려움을 겪고 있으며, 훈련 데이터에 있는 차량 유형에 한정된 강건성을 보인다는 점을 밝혀냈어요.
연구 결과는 차량 재식별화 모델의 일반화 성능 개선 필요성을 강조하며, 향후 연구 방향을 제시해요.