Fugu-MT 論文翻訳(概要): GaitPT: Skeletons Are All You Need For Gait Recognition

論文の概要: GaitPT: Skeletons Are All You Need For Gait Recognition

arxiv url: http://arxiv.org/abs/2308.10623v1
Date: Mon, 21 Aug 2023 10:47:52 GMT
ステータス: 処理完了
システム内更新日: 2023-08-22 13:59:10.139947
Title: GaitPT: Skeletons Are All You Need For Gait Recognition
Title（参考訳）: GaitPT:骨格は歩行認識に必要なもの
Authors: Andy Catruna, Adrian Cosma and Emilian Radoi
Abstract要約: 我々は、Gait Pyramid Transformer (GaitPT) と呼ばれる新しい歩行認識アーキテクチャを提案する。 GaitPTはポーズ推定スケルトンを使用して、外観情報に頼ることなく、ユニークな歩行パターンをキャプチャする。以上の結果から,GaitPTは,他の骨格に基づく歩行認識技術と比較して最先端の性能を達成できることが示唆された。
参考スコア（独自算出の注目度）: 4.089889918897877
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The analysis of patterns of walking is an important area of research that has numerous applications in security, healthcare, sports and human-computer interaction. Lately, walking patterns have been regarded as a unique fingerprinting method for automatic person identification at a distance. In this work, we propose a novel gait recognition architecture called Gait Pyramid Transformer (GaitPT) that leverages pose estimation skeletons to capture unique walking patterns, without relying on appearance information. GaitPT adopts a hierarchical transformer architecture that effectively extracts both spatial and temporal features of movement in an anatomically consistent manner, guided by the structure of the human skeleton. Our results show that GaitPT achieves state-of-the-art performance compared to other skeleton-based gait recognition works, in both controlled and in-the-wild scenarios. GaitPT obtains 82.6% average accuracy on CASIA-B, surpassing other works by a margin of 6%. Moreover, it obtains 52.16% Rank-1 accuracy on GREW, outperforming both skeleton-based and appearance-based approaches.
Abstract（参考訳）: 歩行パターンの分析は、セキュリティ、医療、スポーツ、人間とコンピュータの相互作用に多くの応用がある重要な研究分野である。近年,歩行パターンは,遠隔地における人物の自動識別のためのユニークなフィンガープリント手法と見なされている。本研究では,歩容情報に頼らずに,ポーズ推定スケルトンを用いて独自の歩行パターンをキャプチャする,歩行ピラミッドトランスフォーマ(gaitpt)と呼ばれる新しい歩容認識アーキテクチャを提案する。 GaitPTは階層的なトランスフォーマーアーキテクチャを採用し、人間の骨格の構造によって導かれる、解剖学的に一貫した方法で運動の空間的特徴と時間的特徴の両方を効果的に抽出する。以上の結果から,gaitptは他のスケルトンベースの歩容認識手法と比較して,制御されたシナリオと機内シナリオの両方において最先端の性能を達成できることがわかった。 GaitPTはCASIA-Bの平均精度を82.6%、他の作品よりも6%上回っている。さらに、スケルトンベースと外観ベースの両方のアプローチで52.16%の精度が得られる。

関連論文リスト

GaitFormer: Learning Gait Representations with Noisy Multi-Task Learning [4.831663144935878]
本稿では,217Kの匿名トラックレットを含む歩行分析システムのための最大データセットであるDenseGaitを提案する。また、CASIA-Bで92.5%、FVGで85.33%の精度を実現するトランスフォーマーベースのモデルであるGaitFormerを提案する。
論文参考訳（メタデータ） (2023-10-30T10:28:44Z)
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)
DyGait: Exploiting Dynamic Representations for High-performance Gait Recognition [35.642868929840034]
歩行認識は、歩行パターンを通して人間の身元を認識する生体計測技術である。我々は動的特徴の抽出に焦点をあて,DyGaitという新しい高性能なフレームワークを提案する。我々のネットワークは、GREWデータセットで71.4%、Gait3Dデータセットで66.3%、CAIA-Bデータセットで98.4%、OU-Mデータセットで98.3%の平均ランク1の精度を達成した。
論文参考訳（メタデータ） (2023-03-27T07:36:47Z)
Multi-Modal Human Authentication Using Silhouettes, Gait and RGB [59.46083527510924]
全体認証は、遠隔生体認証のシナリオにおいて有望なアプローチである。本稿では,RGBデータとシルエットデータを組み合わせたDME(Dual-Modal Ensemble)を提案する。 DME内では、従来の歩行分析に使用される二重ヘリカル歩行パターンにインスパイアされたGaitPatternを提案する。
論文参考訳（メタデータ） (2022-10-08T15:17:32Z)
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)
Spatial Transformer Network on Skeleton-based Gait Recognition [19.747638780327257]
Gait-TRは、空間トランスフォーマーフレームワークと時間畳み込みネットワークに基づく頑健な骨格に基づく歩行認識モデルである。歩行-TRは、よく知られた歩行データセットCASIA-Bの精度とロバスト性を向上し、他の骨格ベースの歩行モデルよりも大幅に改善されている。
論文参考訳（メタデータ） (2022-04-08T06:53:23Z)
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)
Domain Adaptive Robotic Gesture Recognition with Unsupervised Kinematic-Visual Data Alignment [60.31418655784291]
本稿では,マルチモダリティ知識,すなわちキネマティックデータとビジュアルデータを同時にシミュレータから実ロボットに伝達できる,教師なしドメイン適応フレームワークを提案する。ビデオの時間的手がかりと、ジェスチャー認識に対するマルチモーダル固有の相関を用いて、トランスファー可能な機能を強化したドメインギャップを修復する。その結果, 本手法は, ACCでは最大12.91%, F1scoreでは20.16%と, 実際のロボットではアノテーションを使わずに性能を回復する。
論文参考訳（メタデータ） (2021-03-06T09:10:03Z)
ROIAL: Region of Interest Active Learning for Characterizing Exoskeleton Gait Preference Landscapes [64.87637128500889]
興味あるアクティブラーニング(ROIAL)フレームワークの領域は、関心のある領域を通じて、各ユーザの基盤となるユーティリティ関数を積極的に学習する。 ROIALは、絶対的な数値スコアよりも信頼性の高いフィードバックメカニズムである順序と選好のフィードバックから学習する。以上の結果から,限られた人為的試行から歩行実用景観を回復できる可能性が示唆された。
論文参考訳（メタデータ） (2020-11-09T22:45:58Z)

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。