論文の概要: Literature on Hand GESTURE Recognition using Graph based methods
- arxiv url: http://arxiv.org/abs/2207.00329v1
- Date: Fri, 1 Jul 2022 10:44:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 20:19:23.221957
- Title: Literature on Hand GESTURE Recognition using Graph based methods
- Title（参考訳）: グラフを用いた手のジェスチャー認識に関する文献研究
- Authors: Neha Baranwal and Varun Sharma
- Abstract要約: 必要な情報を抽象化する上で重要な役割を果たす空間的・時間的情報の保存は、ポイントの追跡が容易であり、分類は容易なタスクとなる。
本稿では,クラウドをポイントの集合として定義するクラウド機構を用いて,これらの点を研究することを目的とする。
我々の焦点は、ウェイトシェアリングを使ってそのような情報を収集することであるが、隣人から情報を回収しようとすると、ノイズを伴わないようにすることである。
- 参考スコア（独自算出の注目度）: 1.8003157609460887
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Skeleton based recognition systems are gaining popularity and machine
learning models focusing on points or joints in a skeleton have proved to be
computationally effective and application in many areas like Robotics. It is
easy to track points and thereby preserving spatial and temporal information,
which plays an important role in abstracting the required information,
classification becomes an easy task. In this paper, we aim to study these
points but using a cloud mechanism, where we define a cloud as collection of
points. However, when we add temporal information, it may not be possible to
retrieve the coordinates of a point in each frame and hence instead of focusing
on a single point, we can use k-neighbors to retrieve the state of the point
under discussion. Our focus is to gather such information using weight sharing
but making sure that when we try to retrieve the information from neighbors, we
do not carry noise with it. LSTM which has capability of long-term modelling
and can carry both temporal and spatial information. In this article we tried
to summarise graph based gesture recognition method.
- Abstract（参考訳）: 骨格の点や関節に焦点を当てた機械学習モデルは、ロボティクスなどの多くの分野において、計算的に効果的であることが証明されている。
必要な情報を抽象化する上で重要な役割を果たす空間的・時間的情報の保存は,ポイントの追跡が容易であり,分類も容易である。
本稿では,クラウドをポイントの集合として定義するクラウド機構を用いて,これらのポイントを研究することを目的とする。
しかし、時間的情報を加えると、各フレーム内の点の座標を検索することはできず、したがって単一の点に注目するのではなく、k-neighborsを用いて議論中の点の状態を取得することができる。
重みの共有による情報収集に重点を置いていますが,隣人からの情報を検索しようとすると,ノイズを伴わないようにしています。
LSTMは長期モデリング能力を持ち、時間情報と空間情報の両方を運ぶことができる。
本稿では,グラフに基づくジェスチャー認識手法の要約を試みた。
関連論文リスト
- GaitPoint+: A Gait Recognition Network Incorporating Point Cloud Analysis and Recycling [11.666213041832407]
歩行は行動のバイオメトリック・モダリティであり、遠くから歩く方法で個人を認識できる。
シルエットと骨格の特徴を両立させるため,GaitPoint+と呼ばれる新しい歩行認識ネットワークを提案する。
提案手法では,スケルトン点を3次元点群としてモデル化し,計算複雑性を考慮した3次元点処理手法を用いて骨格の特徴を抽出する。
論文 参考訳（メタデータ） (2024-04-16T01:50:10Z) - SPEAL: Skeletal Prior Embedded Attention Learning for Cross-Source Point
Cloud Registration [20.32815928095936]
ポイントクラウドの登録は、クロスソースのポイントクラウドと非構造化のシーンでほとんど探索されていない。
そこで我々は,SPEALと呼ばれる新しい手法を提案し,スケルトン表現を利用して点雲の固有位相を効果的に学習する。
我々の知識を最大限に活用するために、我々のアプローチは骨格幾何学的な先行した点雲の登録を容易にする最初の方法である。
論文 参考訳（メタデータ） (2023-12-14T05:35:51Z) - Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud
Analysis [74.00441177577295]
ポイントクラウド分析は計算システムのオーバーヘッドに直面し、モバイルやエッジデバイスでの利用を制限する。
本稿では,軽量点雲モデルのための特徴蒸留について検討する。
本研究では,教師から生徒への情報的文脈的知識を抽出するための双方向知識再構成を提案する。
論文 参考訳（メタデータ） (2023-10-08T11:32:50Z) - SUIT: Learning Significance-guided Information for 3D Temporal Detection [15.237488449422008]
フレーム間の情報融合のためのスパース機能として時間的情報を単純化するSUIT(Significance-gUided Information for 3D Temporal Detection)を学習する。
大規模なnuScenesとデータセットにおいて、SUITは時間融合のメモリとコストを大幅に削減するだけでなく、最先端のベースラインよりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-07-04T16:22:10Z) - PointCaM: Cut-and-Mix for Open-Set Point Cloud Learning [72.07350827773442]
我々は,新しいポイントカット・アンド・ミクス機構を用いて,オープンセットのクラウド学習を解決することを提案する。
トレーニング段階では,Unknown-Point Simulatorを用いてアウト・オブ・ディストリビューションデータをシミュレートする。
Unknown-Point Estimatorモジュールは、既知のデータを識別するために、ポイントクラウドの機能コンテキストを活用することを学ぶ。
論文 参考訳（メタデータ） (2022-12-05T03:53:51Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Few-Shot Keypoint Detection as Task Adaptation via Latent Embeddings [17.04471874483516]
既存のアプローチでは、1つのフォワードパスに密なキーポイントの埋め込みを計算するか、その全容量をスパースポイントのセットに割り当てる。
本稿では,ある時点における関連点数が典型的には少ないという観測に基づいて,中間点を探索する。
私たちの主な貢献は、キーポイント埋め込みでスパーススタイルのネットワークを条件付けることができる、少数ショットタスク適応にインスパイアされた、新しいアーキテクチャです。
論文 参考訳（メタデータ） (2021-12-09T13:25:42Z) - Keypoint Message Passing for Video-based Person Re-Identification [106.41022426556776]
ビデオベースの人物再識別(re-ID)は、異なるカメラで捉えた人々のビデオスニペットをマッチングすることを目的とした、視覚監視システムにおいて重要な技術である。
既存の手法は主に畳み込みニューラルネットワーク(CNN)に基づいており、そのビルディングブロックは近隣のピクセルを一度に処理するか、あるいは3D畳み込みが時間情報のモデル化に使用される場合、人の動きによって生じるミスアライメントの問題に悩まされる。
本稿では,人間指向グラフ法を用いて,通常の畳み込みの限界を克服することを提案する。具体的には,人手指のキーポイントに位置する特徴を抽出し,時空間グラフとして接続する。
論文 参考訳（メタデータ） (2021-11-16T08:01:16Z) - Spatial-Temporal Correlation and Topology Learning for Person
Re-Identification in Videos [78.45050529204701]
クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。
CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。
グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
論文 参考訳（メタデータ） (2021-04-15T14:32:12Z) - OpenPifPaf: Composite Fields for Semantic Keypoint Detection and
Spatio-Temporal Association [90.39247595214998]
イメージベースの知覚タスクは、例えば、検出、関連付け、セマンティックキーポイントとして定式化することができる。
人間の体は 推定と追跡をする
一つの段階における意味的および時間的キーポイント関連を共同で検出する一般的な枠組みを提案する。
また,本手法は車や動物などのキーポイントのクラスに一般化し,総合的な知覚の枠組みを提供することを示す。
論文 参考訳（メタデータ） (2021-03-03T14:44:14Z) - Semantic Graph Based Place Recognition for 3D Point Clouds [22.608115489674653]
本稿では,位置認識のためのセマンティックグラフに基づく新しいアプローチを提案する。
まず、ポイントクラウドシーンのための新しいセマンティックグラフ表現を提案する。
次に、その類似性を計算するために、高速で効果的なグラフ類似性ネットワークを設計する。
論文 参考訳（メタデータ） (2020-08-26T09:27:26Z)
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。