論文の概要: GaitRef: Gait Recognition with Refined Sequential Skeletons

• arxiv url: http://arxiv.org/abs/2304.07916v3
• Date: Tue, 8 Aug 2023 16:06:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-09 17:02:41.048855
• Title: GaitRef: Gait Recognition with Refined Sequential Skeletons
• Title（参考訳）: GaitRef:refined Sequential Skeletonsを用いた歩行認識
• Authors: Haidong Zhu, Wanrong Zheng, Zhaoheng Zheng, Ram Nevatia
• Abstract要約: 人の歩行シーケンスを表すのに使われる2つの一般的なモダリティは、シルエットと関節骨格である。 本稿では,シルエットと骨格を組み合わせることで,歩行認識のためのフレームワイドジョイント予測を洗練する。 シルエット配列からの時間的情報を用いて,改良された骨格は付加アノテーションを使わずに歩行認識性能を向上させることができることを示す。
• 参考スコア（独自算出の注目度）: 20.778107966302116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying humans with their walking sequences, known as gait recognition, is a useful biometric understanding task as it can be observed from a long distance and does not require cooperation from the subject. Two common modalities used for representing the walking sequence of a person are silhouettes and joint skeletons. Silhouette sequences, which record the boundary of the walking person in each frame, may suffer from the variant appearances from carried-on objects and clothes of the person. Framewise joint detections are noisy and introduce some jitters that are not consistent with sequential detections. In this paper, we combine the silhouettes and skeletons and refine the framewise joint predictions for gait recognition. With temporal information from the silhouette sequences, we show that the refined skeletons can improve gait recognition performance without extra annotations. We compare our methods on four public datasets, CASIA-B, OUMVLP, Gait3D and GREW, and show state-of-the-art performance.
• Abstract（参考訳）: 歩行認識と呼ばれる歩行シーケンスで人間を識別することは、遠くから観察できるとともに、被験者の協力を必要としない、有用な生体情報理解タスクである。 人の歩行の順序を表すのに使われる2つの一般的な様相はシルエットと関節骨格である。 各フレーム内の歩行者の境界を記録するシルエットシーケンスは、その人物の持ち運び物や衣服の様々な外観に苦しむ可能性がある。 フレームワイドな関節検出はノイズが多く、シーケンシャルな検出と一致しないジッタを導入する。 本稿では,シルエットと骨格を組み合わせることで,歩行認識のためのフレームワイドジョイント予測を洗練する。 シルエット配列からの時間的情報を用いて,改良された骨格は付加アノテーションなしで歩行認識性能を向上させることができることを示す。 我々は,CASIA-B,OUMVLP,Gait3D,GREWの4つの公開データセットを用いて手法を比較し,最先端の性能を示す。

関連論文リスト

• GaitSTR: Gait Recognition with Sequential Two-stream Refinement [12.256802601846749]
  歩行認識は、歩行シーケンスに基づいて人物を特定することを目的としており、バイオメトリック・モダリティとして有用である。 人の歩行シーケンスを表す場合、シルエットと骨格は2つの主要なモダリティである。 シルエットとともに歩行認識のための骨格の2列表現について検討する。
  論文  参考訳（メタデータ） (2024-04-02T22:39:35Z)
• SkeleTR: Towrads Skeleton-based Action Recognition in the Wild [86.03082891242698]
  SkeleTRは骨格に基づく行動認識のための新しいフレームワークである。 まず、グラフ畳み込みによる各骨格配列の人体内骨格力学をモデル化する。 次に、スタック化されたTransformerエンコーダを使用して、一般的なシナリオにおけるアクション認識に重要な人物のインタラクションをキャプチャする。
  論文  参考訳（メタデータ） (2023-09-20T16:22:33Z)
• 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)
• One-Shot Action Recognition via Multi-Scale Spatial-Temporal Skeleton Matching [77.6989219290789]
  ワンショットスケルトン行動認識は、単一のトレーニングサンプルでスケルトン行動認識モデルを学ぶことを目的としている。 本稿では,マルチスケールな時空間特徴マッチングによる骨格行動認識を行う新しい一発骨格行動認識手法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T11:52:10Z)
• 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)
• Learning Rich Features for Gait Recognition by Integrating Skeletons and Silhouettes [20.766540020533803]
  本稿では,骨格とシルエットの相補的な手がかりをマイニングし,歩行識別のためのリッチな特徴を学習する,単純で効果的なバイモーダル融合ネットワークを提案する。 CASIA-B上を歩行する最も困難な条件下では, ランク1の精度は92.1%である。
  論文  参考訳（メタデータ） (2021-10-26T04:42:24Z)
• GaitGraph: Graph Convolutional Network for Skeleton-Based Gait Recognition [6.353193172884524]
  歩行認識は、遠距離から個々の歩行パターンを特定するための、有望なビデオベースのバイオメトリックである。 ほとんどの歩行認識法は、シルエット画像を用いて各フレーム内の人物を表現する。 本稿では,スケルトンポーズをグラフ畳み込みネットワーク(GCN)と組み合わせたGaitGraphを提案する。
  論文  参考訳（メタデータ） (2021-01-27T07:14:06Z)
• 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)
• Skeleton-Aware Networks for Deep Motion Retargeting [83.65593033474384]
  骨格間のデータ駆動動作のための新しいディープラーニングフレームワークを提案する。 我々の手法は、トレーニングセットの運動間の明確なペアリングを必要とせずに、再ターゲティングの仕方を学ぶ。
  論文  参考訳（メタデータ） (2020-05-12T12:51:40Z)

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。