論文の概要: VersatileGait: A Large-Scale Synthetic Gait Dataset with
Fine-GrainedAttributes and Complicated Scenarios
- arxiv url: http://arxiv.org/abs/2101.01394v1
- Date: Tue, 5 Jan 2021 07:45:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 11:35:16.715907
- Title: VersatileGait: A Large-Scale Synthetic Gait Dataset with
Fine-GrainedAttributes and Complicated Scenarios
- Title（参考訳）: VersatileGait: 微粒な属性と複雑なシナリオを備えた大規模合成ゲイトデータセット
- Authors: Huanzhang Dou, Wenhu Zhang, Pengyi Zhang, Yuhan Zhao, Songyuan Li,
Zequn Qin, Fei Wu, Lin Dong, Xi Li
- Abstract要約: 本稿では,ゲームエンジンによる大規模な合成歩行データセット(VersatileGait)の自動生成を提案する。
VersatileGaitデータセットは、さまざまな複雑なシナリオできめ細かい属性を持つ11,000人の約100万のシルエットシーケンスで構成されています。
広範な実験により,提案手法の歩容認識における有用性とその応用性が実証された。
- 参考スコア（独自算出の注目度）: 16.26581300428201
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the motivation of practical gait recognition applications, we propose to
automatically create a large-scale synthetic gait dataset (called
VersatileGait) by a game engine, which consists of around one million
silhouette sequences of 11,000 subjects with fine-grained attributes in various
complicated scenarios. Compared with existing real gait datasets with limited
samples and simple scenarios, the proposed VersatileGait dataset possesses
several nice properties, including huge dataset size, high sample diversity,
high-quality annotations, multi-pitch angles, small domain gap with the real
one, etc. Furthermore, we investigate the effectiveness of our dataset (e.g.,
domain transfer after pretraining). Then, we use the fine-grained attributes
from VersatileGait to promote gait recognition in both accuracy and speed, and
meanwhile justify the gait recognition performance under multi-pitch angle
settings. Additionally, we explore a variety of potential applications for
research.Extensive experiments demonstrate the value and effective-ness of the
proposed VersatileGait in gait recognition along with its associated
applications. We will release both VersatileGait and its corresponding data
generation toolkit for further studies.
- Abstract（参考訳）: 実用的な歩行認識アプリケーションの動機として,ゲームエンジンによる大規模合成歩行データセット(versatilegait)の自動作成を提案する。
限られたサンプルと単純なシナリオを持つ既存のリアルゲイトデータセットと比較して、提案されたVersatileGaitデータセットには、巨大なデータセットサイズ、高いサンプルの多様性、高品質アノテーション、マルチピッチ角、実際のデータセットとの小さなドメインギャップなど、いくつかの優れた特性がある。
さらに、データセットの有効性(事前トレーニング後のドメイン転送など)についても検討する。
次に,VersatileGaitの微粒化属性を用いて,精度と速度の両方で歩行認識を促進し,マルチピッチ角度設定で歩行認識性能を正当化する。
さらに,提案する多目的歩行の歩容認識における有用性と有用性を示す拡張実験を,関連する応用とともに実施する。
We will release both VersatileGait and its corresponding data generation Toolkit for further study。
関連論文リスト
- Synthesize, Partition, then Adapt: Eliciting Diverse Samples from Foundation Models [14.037826400805741]
本稿では,多くのドメインで利用可能な豊富な合成データを活用し,基礎モデルから多様な応答を抽出する新しいフレームワークであるSynthesize-Partition-Adapt (SPA)を提案する。
影響関数などのデータ帰属法によって提供される信号を利用することで、SPAはデータをサブセットに分割し、それぞれがデータ固有の側面をターゲットにし、これらのサブセットに最適化された複数のモデル適応を訓練する。
論文 参考訳（メタデータ） (2024-11-11T05:13:21Z) - A Multitask Deep Learning Model for Classification and Regression of Hyperspectral Images: Application to the large-scale dataset [44.94304541427113]
ハイパースペクトル画像上で複数の分類タスクと回帰タスクを同時に行うマルチタスク深層学習モデルを提案する。
我々は、TAIGAと呼ばれる大規模なハイパースペクトルデータセットに対するアプローチを検証した。
結果の総合的定性的および定量的分析により,提案手法が他の最先端手法よりも有意に優れていることを示す。
論文 参考訳（メタデータ） (2024-07-23T11:14:54Z) - Rethinking Transformers Pre-training for Multi-Spectral Satellite
Imagery [78.43828998065071]
教師なし学習の最近の進歩は、下流タスクにおける有望な結果を達成するための大きな視覚モデルの可能性を示している。
このような事前学習技術は、大量の未学習データが利用可能であることから、リモートセンシング領域でも最近研究されている。
本稿では,マルチモーダルで効果的に活用されるマルチスケール情報の事前学習と活用について述べる。
論文 参考訳（メタデータ） (2024-03-08T16:18:04Z) - infoVerse: A Universal Framework for Dataset Characterization with
Multidimensional Meta-information [68.76707843019886]
infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。
infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。
実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2023-05-30T18:12:48Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - Detection Hub: Unifying Object Detection Datasets via Query Adaptation
on Language Embedding [137.3719377780593]
新しいデザイン(De Detection Hubという名前)は、データセット認識とカテゴリ整列である。
データセットの不整合を緩和し、検出器が複数のデータセットをまたいで学習するための一貫性のあるガイダンスを提供する。
データセット間のカテゴリは、ワンホットなカテゴリ表現を単語埋め込みに置き換えることで、意味的に統一された空間に整列される。
論文 参考訳（メタデータ） (2022-06-07T17:59:44Z) - Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based
Baseline [95.88825497452716]
歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。
GREWは、野生における歩行認識のための最初の大規模データセットである。
SPOSGaitはNASベースの最初の歩行認識モデルである。
論文 参考訳（メタデータ） (2022-05-05T14:57:39Z) - Tiny Object Tracking: A Large-scale Dataset and A Baseline [40.93697515531104]
大規模なビデオデータセットを作成し、合計217Kフレームの434のシーケンスを含む。
データ作成において、幅広い視点とシーンの複雑さをカバーするため、12の課題属性を考慮に入れます。
統合されたフレームワークで3段階の知識蒸留を行うMKDNet(Multilevel Knowledge Distillation Network)を提案する。
論文 参考訳（メタデータ） (2022-02-11T15:00:32Z) - VersatileGait: A Large-Scale Synthetic Gait Dataset Towards in-the-Wild
Simulation [11.492806346057156]
我々は、制御可能なコンピュータシミュレーションの助けを借りて、大規模な歩行データセットを構築した。
多様な属性を持つ多数の文字を生成し、様々なタイプの歩行スタイルでそれらを強化する。
その結果、100万以上のシルエット配列を持つVersatileGaitと呼ばれる、Wildの歩行データセットが得られた。
論文 参考訳（メタデータ） (2021-05-30T03:39:53Z) - Associated Spatio-Temporal Capsule Network for Gait Recognition [36.85667679699001]
最先端のアプローチは、歩行の時間的または空間的特性の分析に依存する。
ASTCapsNetはマルチセンサーデータセットのトレーニングを受け、歩行認識のためのマルチモーダル情報を分析します。
論文 参考訳（メタデータ） (2021-01-07T09:55:17Z) - Text Recognition in Real Scenarios with a Few Labeled Samples [55.07859517380136]
Scene Text Recognition (STR) はコンピュータビジョン分野におけるホットな研究テーマである。
本稿では,数ショットの逆数列領域適応 (FASDA) を用いて構築シーケンスを適応する手法を提案する。
我々のアプローチは、ソースドメインとターゲットドメインの間の文字レベルの混乱を最大化することができる。
論文 参考訳（メタデータ） (2020-06-22T13:03:01Z)
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。