TRIM-ReID：用于多模态对象重新识别的重复感知token减少和模态对齐交互

多模态物体重新识别利用互补的 RGB、近红外 (NIR) 和热红外 (TIR) 观测来检索目标物体。然而，现有方法通常采用针对全局图像文本对齐进行优化的视觉编码器，并使用学习的重要性分数选择token。此类设计无法保留细粒度的身份线索或明确考虑token冗余，从而导致局部证据代表性不足和重复的token ，从而导致嘈杂且成本高昂的跨模式交互。为了解决这一差距，我们提出了 TRIM-ReID，这是一个紧凑的框架，它统一了密集特征提取、模态内token缩减和模态间对齐交互。具体来说，通过密集身份表示 (DIR) 提取语义丰富且空间连贯的补丁特征，该表示利用 DINOv3 来保留细粒度的身份信息。然后，我们引入token多样性挖掘（TDM）来识别互补的本地证据，并通过抑制重复补丁同时保留信息多样性来构建紧凑的模态特定token集。保留的token随后通过模态关系交互 (MRI) 进行融合，以实现跨模态的有效信息交换，而三角对齐损失明确规范其联合关系，以在独立的token选择下保持跨模态语义一致性。在 RGBNT201、RGBNT100 和 MSVR310 上进行的大量实验表明 TRIM-ReID 实现了最先进的性能。