論文の概要: Attribute Guided Sparse Tensor-Based Model for Person Re-Identification
- arxiv url: http://arxiv.org/abs/2108.04352v1
- Date: Thu, 29 Jul 2021 04:28:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-15 14:35:08.991801
- Title: Attribute Guided Sparse Tensor-Based Model for Person Re-Identification
- Title(参考訳): 属性誘導スパーステンソルに基づく人物再同定モデル
- Authors: Fariborz Taherkhani, Ali Dabouei, Sobhan Soleymani, Jeremy Dawson, and
Nasser M. Nasrabadi
- Abstract要約: 本研究では,人物の属性から特徴を活用できる新しい手法を提案する。
我々のモデルはテンソルを用いて、識別と属性の特徴を非線形に融合し、損失関数のテンソルのパラメータを強制してReIDの非ネイティブな融合特徴を生成する。
- 参考スコア(独自算出の注目度): 27.508755548317712
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual perception of a person is easily influenced by many factors such as
camera parameters, pose and viewpoint variations. These variations make person
Re-Identification (ReID) a challenging problem. Nevertheless, human attributes
usually stand as robust visual properties to such variations. In this paper, we
propose a new method to leverage features from human attributes for person
ReID. Our model uses a tensor to non-linearly fuse identity and attribute
features, and then forces the parameters of the tensor in the loss function to
generate discriminative fused features for ReID. Since tensor-based methods
usually contain a large number of parameters, training all of these parameters
becomes very slow, and the chance of overfitting increases as well. To address
this issue, we propose two new techniques based on Structural Sparsity Learning
(SSL) and Tensor Decomposition (TD) methods to create an accurate and stable
learning problem. We conducted experiments on several standard pedestrian
datasets, and experimental results indicate that our tensor-based approach
significantly improves person ReID baselines and also outperforms state of the
art methods.
- Abstract(参考訳): 人の視覚的知覚は、カメラパラメータやポーズ、視点の変化など、多くの要因の影響を受けやすい。
これらのバリエーションは、人の再識別(ReID)を困難な問題にします。
それでも、人間の属性は通常、そのようなバリエーションに対する堅牢な視覚特性として機能する。
本稿では,人物のReIDの属性から特徴を活用できる新しい手法を提案する。
このモデルでは、非線形なヒューズidと属性特徴にテンソルを用い、損失関数のテンソルのパラメータを強制してreidの識別的融合特徴を生成する。
テンソルベースの手法は通常、多数のパラメータを含むため、これらのパラメータのトレーニングは非常に遅くなり、オーバーフィッティングの機会も増加する。
この問題に対処するために,構造スパーシティ学習(ssl)とテンソル分解(td)に基づく2つの新しい手法を提案する。
いくつかの標準歩行者データセットの実験を行った結果, テンソルベースアプローチは人のReIDベースラインを大幅に改善し, 工法よりも優れていた。
関連論文リスト
- ShapeBoost: Boosting Human Shape Estimation with Part-Based
Parameterization and Clothing-Preserving Augmentation [58.50613393500561]
本研究では,新しい形状復元フレームワークであるShapeBoostを提案する。
稀な体型であってもピクセルレベルのアライメントを実現し、異なるタイプの服を着ている人には高い精度が期待できる。
論文 参考訳(メタデータ) (2024-03-02T23:40:23Z) - Predictive variational autoencoder for learning robust representations
of time-series data [0.0]
本稿では,次点を予測するVAEアーキテクチャを提案する。
VAEの2つの制約は、時間とともにスムーズであることを示し、堅牢な潜伏表現を生成し、合成データセット上の潜伏因子を忠実に回収する。
論文 参考訳(メタデータ) (2023-12-12T02:06:50Z) - Self-similarity Driven Scale-invariant Learning for Weakly Supervised
Person Search [66.95134080902717]
自己相似性駆動型スケール不変学習(SSL)という新しいワンステップフレームワークを提案する。
本稿では,ネットワークを前景と学習スケール不変の機能に集中させるための,マルチスケール・エクステンプラー・ブランチを提案する。
PRWおよびCUHK-SYSUデータベースの実験により,本手法の有効性が示された。
論文 参考訳(メタデータ) (2023-02-25T04:48:11Z) - Posterior Collapse and Latent Variable Non-identifiability [54.842098835445]
柔軟性を犠牲にすることなく識別性を強制する深層生成モデルである,潜時同定可能な変分オートエンコーダのクラスを提案する。
合成および実データ全体にわたって、潜在識別可能な変分オートエンコーダは、後方崩壊を緩和し、データの有意義な表現を提供する既存の方法より優れている。
論文 参考訳(メタデータ) (2023-01-02T06:16:56Z) - Pose Invariant Person Re-Identification using Robust Pose-transformation
GAN [11.338815177557645]
人物再識別(re-ID)は、興味ある人物の単一の事例から、画像ギャラリーから人物の画像を検索することを目的としている。
いくつかの進歩にもかかわらず、ロバストな人物再同定のための識別的アイデンティティ感と視点不変特徴の学習は、人間のポーズの変化が大きいため、大きな課題である。
本稿では,ポーズ回帰と特徴融合を組み合わせた生成逆数ネットワークの画像生成機能を利用して,ポーズ不変な特徴学習を実現するre-IDパイプラインを提案する。
論文 参考訳(メタデータ) (2021-04-11T15:47:03Z) - Attribute-Guided Adversarial Training for Robustness to Natural
Perturbations [64.35805267250682]
本稿では,属性空間への分類器の露出を最大化するために,新しいサンプルを生成することを学習する逆学習手法を提案する。
我々のアプローチは、ディープニューラルネットワークが自然に発生する摂動に対して堅牢であることを可能にする。
論文 参考訳(メタデータ) (2020-12-03T10:17:30Z) - Unsupervised Learning Facial Parameter Regressor for Action Unit
Intensity Estimation via Differentiable Renderer [51.926868759681014]
骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。
提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
論文 参考訳(メタデータ) (2020-08-20T09:49:13Z) - NiLBS: Neural Inverse Linear Blend Skinning [59.22647012489496]
本稿では, 従来のスキン加工技術を用いて, ポーズによってパラメータ化されたニューラルネットワークを用いて変形を反転させる手法を提案する。
これらの変形を逆転する能力は、例えば距離関数、符号付き距離関数、占有率)の値を静止ポーズで事前計算し、文字が変形したときに効率的にクエリすることができる。
論文 参考訳(メタデータ) (2020-04-06T20:46:37Z)
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。