論文の概要: Self-Supervised Gait Encoding with Locality-Aware Attention for Person Re-Identification

• arxiv url: http://arxiv.org/abs/2008.09435v1
• Date: Fri, 21 Aug 2020 12:03:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 21:45:08.381738
• Title: Self-Supervised Gait Encoding with Locality-Aware Attention for Person Re-Identification
• Title（参考訳）: 人物再同定のための局所性を考慮した自己監視歩行符号化
• Authors: Haocong Rao, Siqi Wang, Xiping Hu, Mingkui Tan, Huang Da, Jun Cheng, Bin Hu
• Abstract要約: 歩行に基づく人物再識別(Re-ID)は、安全クリティカルなアプリケーションに有用である。 本稿では,ラベルのない骨格データを用いて歩行表現を自己教師付きで学習できる汎用的な歩行符号化手法を提案する。 従来の骨格法を10-20%精度で改善するアプローチが一般的である。
• 参考スコア（独自算出の注目度）: 46.28501210524173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gait-based person re-identification (Re-ID) is valuable for safety-critical applications, and using only 3D skeleton data to extract discriminative gait features for person Re-ID is an emerging open topic. Existing methods either adopt hand-crafted features or learn gait features by traditional supervised learning paradigms. Unlike previous methods, we for the first time propose a generic gait encoding approach that can utilize unlabeled skeleton data to learn gait representations in a self-supervised manner. Specifically, we first propose to introduce self-supervision by learning to reconstruct input skeleton sequences in reverse order, which facilitates learning richer high-level semantics and better gait representations. Second, inspired by the fact that motion's continuity endows temporally adjacent skeletons with higher correlations ("locality"), we propose a locality-aware attention mechanism that encourages learning larger attention weights for temporally adjacent skeletons when reconstructing current skeleton, so as to learn locality when encoding gait. Finally, we propose Attention-based Gait Encodings (AGEs), which are built using context vectors learned by locality-aware attention, as final gait representations. AGEs are directly utilized to realize effective person Re-ID. Our approach typically improves existing skeleton-based methods by 10-20% Rank-1 accuracy, and it achieves comparable or even superior performance to multi-modal methods with extra RGB or depth information. Our codes are available at https://github.com/Kali-Hac/SGE-LA.
• Abstract（参考訳）: 歩行に基づく人物再識別(Re-ID)は、安全クリティカルな応用に有用であり、3Dスケルトンデータのみを使用して人物の識別的歩行特徴を抽出することは、新たなオープントピックである。 既存の手法は手作りの特徴を採用するか、伝統的な教師付き学習パラダイムによって歩行特徴を学ぶ。 従来の手法とは異なり,ラベルなしの骨格データを用いて自己教師付きで歩行表現を学習できる汎用的な歩行符号化手法を初めて提案する。 具体的には,入力スケルトン配列を逆順に再構成することで,よりリッチなハイレベルなセマンティクスと歩行表現の学習を容易にすることを提案する。 第2に,運動の連続性が時間的に隣接する骨格(局所性)と高い相関関係(局所性)を内在していることに着想を得て,現在骨格を再構築する際に,時間的に隣接する骨格に対してより注意重みを学ぶことを促す局所性認識注意機構を提案する。 最後に,注意に基づくゲイト符号化(ages)を提案する。これは,局所性に配慮した注意によって学習されたコンテキストベクトルを最終ゲイト表現として用いる。 AGEを直接利用して有効人物Re-IDを実現する。 提案手法は,従来の骨格法を10～20%精度で改良し,RGBや深度情報を付加したマルチモーダル法と同等あるいはそれ以上の性能を実現する。 私たちのコードはhttps://github.com/Kali-Hac/SGE-LAで公開されています。

関連論文リスト

• Rethinking Prior Information Generation with CLIP for Few-Shot Segmentation [14.998239253285394]
  我々は,視覚的先行表現を視覚テキストアライメント能力に置き換えて,より信頼性の高いガイダンスを取得することを提案する。 本研究では,本手法が明らかに向上し,新しい最先端性能に達することを示す。
  論文  参考訳（メタデータ） (2024-05-14T09:28:25Z)
• Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
  本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。 室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
  論文  参考訳（メタデータ） (2023-07-27T01:53:57Z)
• Improving Deep Representation Learning via Auxiliary Learnable Target Coding [69.79343510578877]
  本稿では,深層表現学習の補助的正規化として,新たな学習対象符号化を提案する。 具体的には、より差別的な表現を促進するために、マージンベースの三重項損失と、提案した目標符号上の相関整合損失を設計する。
  論文  参考訳（メタデータ） (2023-05-30T01:38:54Z)
• SimMC: Simple Masked Contrastive Learning of Skeleton Representations for Unsupervised Person Re-Identification [63.903237777588316]
  SimMC(Simple Masked Contrastive Learning)フレームワークを提案する。 具体的には、各骨格配列内の骨格の特徴を完全に活用するために、まずマスク付きプロトタイプコントラスト学習(MPC)方式を考案する。 そこで我々は,サブシーケンス間のシーケンス内パターンの整合性を捉えるために,マスク付きシーケンス内コントラスト学習(MIC)を提案する。
  論文  参考訳（メタデータ） (2022-04-21T00:19:38Z)
• Towards a Deeper Understanding of Skeleton-based Gait Recognition [4.812321790984493]
  近年、ほとんどの歩行認識法は、人のシルエットを使って歩行の特徴を抽出している。 モデルに基づく手法はこれらの問題に悩まされず、身体関節の時間運動を表現することができる。 本研究では,高次入力と残差ネットワークを組み合わせたグラフ畳み込みネットワーク(GCN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-16T18:23:37Z)
• SelfGait: A Spatiotemporal Representation Learning Method for Self-supervised Gait Recognition [24.156710529672775]
  歩行認識は、歩行が距離で認識することができるユニークな生体測定機能であるため、人間の識別に重要な役割を果たします。 既存の歩行認識法は歩行系列から歩行特徴を異なる方法で学習することができるが、歩行認識の性能はラベル付きデータに苦しむ。 本研究では, 事前学習プロセスとして, 多種多様でラベルなしの歩行データを活用した自己監視歩行認識手法であるSelfGaitを提案する。
  論文  参考訳（メタデータ） (2021-03-27T05:15:39Z)
• Watching You: Global-guided Reciprocal Learning for Video-based Person Re-identification [82.6971648465279]
  映像に基づくRe-IDのための新しいグローバルガイド相互学習フレームワークを提案する。 我々のアプローチは他の最先端のアプローチよりも優れたパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2021-03-07T12:27:42Z)
• A Self-Supervised Gait Encoding Approach with Locality-Awareness for 3D Skeleton Based Person Re-Identification [65.18004601366066]
  3Dスケルトン配列内の歩行特徴による人物再識別(Re-ID)は、いくつかの利点を持つ新しい話題である。 本稿では、ラベルのない骨格データを利用して人物の歩行表現を学習できる自己教師付き歩行符号化手法を提案する。
  論文  参考訳（メタデータ） (2020-09-05T16:06:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。