論文の概要: TriGait: Aligning and Fusing Skeleton and Silhouette Gait Data via a
Tri-Branch Network
- arxiv url: http://arxiv.org/abs/2308.13340v1
- Date: Fri, 25 Aug 2023 12:19:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 14:00:28.593066
- Title: TriGait: Aligning and Fusing Skeleton and Silhouette Gait Data via a
Tri-Branch Network
- Title(参考訳): TriGait: Tri-Branch NetworkによるSeletonとSilhouetteの歩行データの調整と融合
- Authors: Yan Sun, Xueling Feng, Liyan Ma, Long Hu, Mark Nixon
- Abstract要約: 歩行認識は、非侵襲性と長距離性のため、識別のための有望な生体認証技術である。
服装の変化や視点の違いなどの外的変化は、歩行認識に重大な課題をもたらす。
本稿では,新しい三脚歩行認識フレームワークTriGaitを提案する。
- 参考スコア(独自算出の注目度): 4.699718818019937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait recognition is a promising biometric technology for identification due
to its non-invasiveness and long-distance. However, external variations such as
clothing changes and viewpoint differences pose significant challenges to gait
recognition. Silhouette-based methods preserve body shape but neglect internal
structure information, while skeleton-based methods preserve structure
information but omit appearance. To fully exploit the complementary nature of
the two modalities, a novel triple branch gait recognition framework, TriGait,
is proposed in this paper. It effectively integrates features from the skeleton
and silhouette data in a hybrid fusion manner, including a two-stream network
to extract static and motion features from appearance, a simple yet effective
module named JSA-TC to capture dependencies between all joints, and a third
branch for cross-modal learning by aligning and fusing low-level features of
two modalities. Experimental results demonstrate the superiority and
effectiveness of TriGait for gait recognition. The proposed method achieves a
mean rank-1 accuracy of 96.0% over all conditions on CASIA-B dataset and 94.3%
accuracy for CL, significantly outperforming all the state-of-the-art methods.
The source code will be available at https://github.com/feng-xueling/TriGait/.
- Abstract(参考訳): 歩行認識は、非侵襲性と長距離性による識別のための有望な生体計測技術である。
しかし、服装の変化や視点の違いといった外的変化は歩行認識に重大な課題をもたらす。
シルエット法は体型を保ちながら内部構造情報を無視するが、骨格法は構造情報を保存するが省略する。
本稿では,2つのモードの相補的な性質をフル活用するために,新しいトリプル分岐歩行認識フレームワークTriGaitを提案する。
骨格とシルエットのデータから、外観から静的特徴と運動特徴を抽出する2ストリームネットワーク、全関節間の依存関係をキャプチャするシンプルで効果的なモジュール JSA-TC、および2つのモードの低レベル特徴を整列し、融合させることで、クロスモーダル学習のための第3ブランチを含む、ハイブリッドな融合方式で、効果的に機能を統合する。
歩行認識におけるTriGaitの優位性と有効性を示す実験結果を得た。
提案手法は,CASIA-Bデータセットの全条件に対して平均ランク1精度96.0%,CLに対する94.3%の精度を実現し,最先端の手法を著しく上回っている。
ソースコードはhttps://github.com/feng-xueling/trigait/で入手できる。
関連論文リスト
- Fully Differentiable Correlation-driven 2D/3D Registration for X-ray to
CT Image Fusion [4.1498463236541605]
画像ベース剛性2D/3Dレジストレーションは, 蛍光ガイド下外科手術において重要な技術である。
デュアルブランチCNN変換器エンコーダを用いた完全微分型相関型ネットワークを提案する。
組込み情報に基づく低周波特徴と高周波特徴の分解に対して相関型損失を提案する。
論文 参考訳(メタデータ) (2024-02-04T14:12:51Z) - HybridGait: A Benchmark for Spatial-Temporal Cloth-Changing Gait
Recognition with Hybrid Explorations [66.5809637340079]
そこで本研究では,第1世代CCGaitベンチマークを提案する。
我々は3次元メッシュの時間的ダイナミクスと投影された2次元情報の両方を利用する。
私たちのコントリビューションは2つあります: 拡張された空間にわたる現実的な外見の変化をキャプチャする、挑戦的なベンチマークCCGaitを提供しています。
論文 参考訳(メタデータ) (2023-12-30T16:12:13Z) - Learning-Based Biharmonic Augmentation for Point Cloud Classification [79.13962913099378]
Biharmonic Augmentation (BA)は、新しくて効率的なデータ拡張技術である。
BAは、既存の3D構造にスムーズな非剛性変形を与えることにより、点雲データを多様化する。
本稿では,先進的なオンライン強化システムであるAdvTuneについて紹介する。
論文 参考訳(メタデータ) (2023-11-10T14:04:49Z) - 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) - Spatio-temporal Gait Feature with Adaptive Distance Alignment [90.5842782685509]
我々は,ネットワーク構造の最適化と抽出した歩行特徴の洗練という2つの側面から,異なる被験者の歩行特徴の差を増大させようとしている。
提案手法は時空間特徴抽出(SFE)と適応距離アライメント(ADA)から構成される。
ADAは実生活における多数の未ラベルの歩行データをベンチマークとして使用し、抽出した時間的特徴を洗練し、クラス間類似度が低く、クラス内類似度が高いようにしている。
論文 参考訳(メタデータ) (2022-03-07T13:34:00Z) - Combining the Silhouette and Skeleton Data for Gait Recognition [13.345465199699]
2つの主要な歩行認識作品は外観ベースとモデルベースであり、シルエットと骨格からそれぞれ特徴を抽出する。
本稿では, シルエットを入力とするCNN系分岐と, 骨格を入力とするGCN系分岐を提案する。
GCNベースの分岐における歩行表現を改善するため、マルチスケールグラフ畳み込みを統合する完全連結グラフ畳み込み演算子を提案する。
論文 参考訳(メタデータ) (2022-02-22T03:21:51Z) - 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) - G-DetKD: Towards General Distillation Framework for Object Detectors via
Contrastive and Semantic-guided Feature Imitation [49.421099172544196]
そこで本研究では,すべてのピラミッドレベルにまたがる特徴ペア間のソフトマッチングを自動的に行う,意味誘導型特徴模倣手法を提案する。
また,異なる特徴領域間の関係で符号化された情報を効果的に捉えるために,コントラスト蒸留を導入する。
本手法は,(1)フレームワークのコンポーネントを別々に使用した場合に,既存の検出KD技術よりも優れた性能を発揮する。
論文 参考訳(メタデータ) (2021-08-17T07:44:27Z) - JointsGait:A model-based Gait Recognition Method based on Gait Graph
Convolutional Networks and Joints Relationship Pyramid Mapping [6.851535012702575]
本稿では2次元関節を用いた歩行認識について検討する。
JointsGaitは2次元の人体関節から歩行情報を抽出する。
論文 参考訳(メタデータ) (2020-04-27T08:30:37Z) - Cross-modality Person re-identification with Shared-Specific Feature
Transfer [112.60513494602337]
クロスモダリティの人物再識別(cm-ReID)は、インテリジェントビデオ分析において難しいが重要な技術である。
モーダリティ共有型特徴伝達アルゴリズム (cm-SSFT) を提案し, モーダリティ共有型情報とモーダリティ固有特性の両方のポテンシャルについて検討する。
論文 参考訳(メタデータ) (2020-02-28T00:18:45Z)
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。