論文の概要: Pedestrian Attribute Editing for Gait Recognition and Anonymization

• arxiv url: http://arxiv.org/abs/2303.05076v2
• Date: Wed, 6 Mar 2024 08:36:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-07 18:33:50.884375
• Title: Pedestrian Attribute Editing for Gait Recognition and Anonymization
• Title（参考訳）: 歩行認識と匿名化のための歩行者属性編集
• Authors: Jingzhe Ma, Dingqiang Ye, Chao Fan, and Shiqi Yu
• Abstract要約: 本稿では、GaitEditorと呼ばれる歩行属性編集フレームワークを提案する。 視覚的認証を維持しつつ、実際の歩行シーケンスに対して様々な属性編集を行うことができる。 GaitEditorは、複数の歩行属性を編集し、同時に歩行認識と歩行匿名化の恩恵を受けることができる最初のフレームワークである。
• 参考スコア（独自算出の注目度）: 5.023444925092373
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As a kind of biometrics, the gait information of pedestrians has attracted widespread attention from both industry and academia since it can be acquired from long distances without the cooperation of targets. In recent literature, this line of research has brought exciting chances along with alarming challenges: On the positive side, gait recognition used for security applications such as suspect retrieval and safety checks is becoming more and more promising. On the negative side, the misuse of gait information may lead to privacy concerns, as lawbreakers can track subjects of interest using gait characteristics even under face-masked and clothes-changed scenarios. To handle this double-edged sword, we propose a gait attribute editing framework termed GaitEditor. It can perform various degrees of attribute edits on real gait sequences while maintaining the visual authenticity, respectively used for gait data augmentation and de-identification, thereby adaptively enhancing or degrading gait recognition performance according to users' intentions. Experimentally, we conduct a comprehensive evaluation under both gait recognition and anonymization protocols on three widely used gait benchmarks. Numerous results illustrate that the adaptable utilization of GaitEditor efficiently improves gait recognition performance and generates vivid visualizations with de-identification to protect human privacy. To the best of our knowledge, GaitEditor is the first framework capable of editing multiple gait attributes while simultaneously benefiting gait recognition and gait anonymization. The source code of GaitEditor will be available at https://github.com/ShiqiYu/OpenGait.
• Abstract（参考訳）: バイオメトリックスの一種として、歩行者の歩行情報は、ターゲットの協力なしに長距離から取得できるため、産業とアカデミアの両方から広く注目を集めている。 最近の文献では、この一連の研究は、警告的な課題とともに、エキサイティングなチャンスをもたらしている。 ポジティブな側面として、容疑者の検索や安全チェックといったセキュリティアプリケーションに使用される歩行認識は、ますます有望なものになりつつある。 否定的な側面として、歩行情報の誤用はプライバシーの懸念につながる可能性があり、ローブレーカーは、顔のマスクや衣服変更のシナリオでも歩行特性を使って興味のある対象を追跡することができる。 両刃剣を扱うために,GaitEditorと呼ばれる歩行属性編集フレームワークを提案する。 視覚的な信頼性を維持しつつ、実際の歩数列上で様々な属性編集を行え、歩数データの増補と非識別にそれぞれ用いられ、ユーザの意図に応じて歩数認識性能を適応的に向上または低下させることができる。 実験では,3種類のgaitベンチマークにおいて,歩行認識プロトコルと匿名化プロトコルの両方を用いて包括的評価を行った。 多くの結果から,GaitEditorの適応的利用は歩行認識性能を効率よく向上させ,人間のプライバシーを守るために,識別不能な鮮明な可視化を生成することが示唆された。 我々の知る限り、GaitEditorは、歩行認識と歩行匿名化を同時に活用しながら、複数の歩行属性を編集できる最初のフレームワークである。 GaitEditorのソースコードはhttps://github.com/ShiqiYu/OpenGaitで入手できる。

関連論文リスト

• Responsible Visual Editing [53.45295657891099]
  画像内の特定の概念を修正し、変更を最小化しながら、より責任を負うようにする。 有害な画像が研究に与える影響を緩和するため、人間の代わりにテディベアを用いて有害な情報を表現した透明でパブリックなデータセットAltBearを作成しました。 AltBearデータセットは、実画像に見られる有害な内容とよく一致し、一貫した実験的な評価を提供する。
  論文  参考訳（メタデータ） (2024-04-08T14:56:26Z)
• 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)
• 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)
• SPAct: Self-supervised Privacy Preservation for Action Recognition [73.79886509500409]
  アクション認識におけるプライバシー漏洩を緩和するための既存のアプローチは、ビデオデータセットのアクションラベルとともに、プライバシラベルを必要とする。 自己教師付き学習(SSL)の最近の進歩は、未ラベルデータの未発見の可能性を解き放ちつつある。 本稿では、プライバシーラベルを必要とせず、自己管理的な方法で、入力ビデオからプライバシー情報を除去する新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-29T02:56:40Z)
• Understanding person identification via gait [6.296016847062051]
  運動データのさまざまな側面を研究し、歩行認識プロセスへの寄与を定量化する。 その結果,データの冗長性と相互依存性が高いため,歩行匿名化は困難なプロセスであることがわかった。
  論文  参考訳（メタデータ） (2022-03-08T16:09:54Z)
• RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
  我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。 以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-13T06:30:56Z)
• Cloth-Changing Person Re-identification from A Single Image with Gait Prediction and Regularization [65.50321170655225]
  本稿では,画像レイドモデルを用いて布非依存表現を学習するための補助タスクとして,歩行認識を導入する。 画像ベースのCloth-Changing ReIDベンチマーク(例えば、LTCC、PRCC、Real28、VC-Clothes)の実験は、GI-ReIDが最先端技術に対して好適に動作することを示した。
  論文  参考訳（メタデータ） (2021-03-29T12:10:50Z)
• 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)

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。