APTM

用自然语言精准找目标人物，多属性提示学习提升检索准确率

APTM 是论文《Towards Unified Text-based Person Retrieval: A Large-scale Multi-Attribute and Language Search Benchmark》的官方代码实现，聚焦于文本描述的人物检索任务。该项目构建了一个大规模的多属性与语言搜索基准，旨在解决现有文本-人物检索中属性粒度不足、跨模态对齐困难的问题。核心能力包括：属性提示学习（Attribute-Prompt Learning），通过将属性信息融入提示词增强模型对细粒度特征的感知；图像-文本对齐模块，优化视觉与语言特征的语义匹配；以及利用合成数据扩充训练集，提升模型泛化能力。项目提供完整的训练、评估和推理流程，支持多属性识别与自然语言查询，适用于监控视频检索、智能相册搜索等场景。作为早期开源项目，代码结构清晰，便于研究者复现和二次开发。