本文档属于类型a：单篇原创研究报告。以下是针对该研究的学术报告：

作者及机构
本研究的通讯作者为Zhenyu Cui、Jiahuan Zhou和Yuxin Peng*（标注星号为通讯作者），均来自北京大学王选计算机研究所。论文发表于2026年人工智能领域顶级会议AAAI（Association for the Advancement of Artificial Intelligence），标题为《CKDA: Cross-modality Knowledge Disentanglement and Alignment for Visible-infrared Lifelong Person Re-identification》。

学术背景

研究领域与动机
该研究聚焦于可见光-红外终身行人重识别（Visible-infrared Lifelong Person Re-identification, VI-LReID），属于计算机视觉与模式识别领域。传统行人重识别（ReID）依赖静态数据集，而终身学习（Lifelong Learning）需处理连续采集的多场景数据，核心挑战是缓解灾难性遗忘（Catastrophic Forgetting）——即新知识学习导致旧知识丢失的问题。
背景问题：现有方法通过跨模态知识蒸馏（Cross-modality Knowledge Distillation）缓解遗忘，但忽视了模态特有知识（Modality-specific Knowledge）与模态共有知识（Modality-common Knowledge）的相互干扰，导致两者协同遗忘（Collaborative Forgetting）。例如，红外模态的辐射特征（新知识）可能覆盖可见光模态的共有形状特征（旧知识）。

研究目标
提出跨模态知识解耦与对齐方法（CKDA），通过显式分离和平衡两种知识，实现终身学习中的跨模态行人匹配。

研究流程与方法

1. 方法框架

CKDA包含三个核心模块：
1. 模态共有提示模块（Modality-common Prompting, MCP）
- 功能：提取可见光与红外图像共有的判别性特征（如人体轮廓）。
- 技术细节：
- 输入图像分块为Token，通过实例归一化（Instance Normalization）消除模态风格差异。
- 设计通道注意力机制动态融合原始特征与归一化特征（公式5-6），保留共有知识。
2. 模态特有提示模块（Modality-specific Prompting, MSP）
- 功能：提取仅存在于单一模态的特征（如可见光的颜色或红外的热辐射）。
- 技术细节：
- 为可见光和红外模态分别设计轻量级提示生成网络（公式8），通过批归一化（BatchNorm）增强模态差异。
3. 跨模态知识对齐模块（Cross-modality Knowledge Aligning, CKA）
- 功能：在模态间（Inter-modality）和模态内（Intra-modality）特征空间中对齐新旧知识。
- 技术细节：
- 利用旧阶段的身份原型（Identity Prototypes）构建特征空间（公式10-11），通过KL散度（Kullback-Leibler Divergence）对齐新旧分布（公式12-14）。

2. 实验设计

• 数据集：采用RegDB、SYSU-MM01、LLCM和HITSZ-VCM四个基准数据集，按顺序训练模拟终身学习场景。
  
• 基线模型：基于ViT-B/16主干网络，结合分类损失（Cross-entropy Loss）和三元组损失（Triplet Loss）。
  
• 对比方法：包括重放式（Replay-based）和非重放式（Non-replay）方法，如LwF、iCaRL、TTQK等。
  

3. 创新方法

• 双提示模块：首次显式解耦模态共有与特有知识，避免相互干扰。
  
• 原型对齐：通过双模态原型实现无旧数据重放的终身学习，解决隐私问题。
  

主要结果

1. 性能对比

   • 在平均mAP/R1指标上，CKDA达到36.3%/39.4%，优于非重放SOTA方法LSTKC（+5.7%/6.9%）。
     
   • 遗忘率（Average Forgetting, AF）最低（mAP/R1：5.1%/4.9%），证明其抗遗忘能力。
     

2. 消融实验

   • 单独使用MCP或MSP分别提升基线性能1.6%/1.3%和1.2%/2.2%，联合CKA后总提升达4.5%/5.5%。
     

3. 可视化验证

   • 热图显示MCP聚焦人体轮廓（共有知识），MSP捕获模态特有特征（如红外热辐射）。
     
   • t-SNE可视化表明CKDA在旧数据集（RegDB）和新数据集（VCM）上均保持特征判别性。
     

结论与价值

科学价值
1. 提出首个针对VI-LReID的知识解耦与对齐框架，为解决跨模态终身学习中的协同遗忘问题提供新思路。
2. 通过双提示模块和原型对齐，平衡知识获取与保留，无需依赖旧数据重放，保护隐私。

应用价值
可部署于全天候安防系统，实现昼夜连续行人追踪，提升跨模态场景的鲁棒性。

研究亮点

1. 方法创新：显式解耦模态共有与特有知识，突破传统蒸馏方法的局限性。
   
2. 技术突破：CKA模块通过双空间对齐实现知识平衡，无需存储旧数据。
   
3. 实验全面性：覆盖四种数据集和多种SOTA对比方法，验证普适性。
   

其他价值

• 开源代码（GitHub链接）促进社区复现与拓展。
  
• 提出的模态共有知识提取方法可迁移至其他跨模态任务（如多光谱图像分析）。
  

（报告总字数：约1500字）