論文の概要: SkeletonGait: Gait Recognition Using Skeleton Maps

• arxiv url: http://arxiv.org/abs/2311.13444v1
• Date: Wed, 22 Nov 2023 15:09:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 14:54:12.351970
• Title: SkeletonGait: Gait Recognition Using Skeleton Maps
• Title（参考訳）: SkeletonGait:Skeleton Mapsを用いた歩行認識
• Authors: Chao Fan, Jingzhe Ma, Dongyang Jin, Chuanfu Shen, Shiqi Yu
• Abstract要約: スケルトンマップと呼ばれる新しい骨格歩行表現を導入し、スケルトンマップから構造情報を利用するスケルトンゲイトについて紹介する。 スケルトンマップは、人間の関節の座標をガウス近似による熱マップとして表現し、正確な体の構造を持たないシルエットのようなイメージを示す。 SkeletonGait++は、さまざまなシナリオにおいて、既存の最先端メソッドよりも大きな差がある。
• 参考スコア（独自算出の注目度）: 7.335859292188816
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The choice of the representations is essential for deep gait recognition methods. The binary silhouettes and skeletal coordinates are two dominant representations in recent literature, achieving remarkable advances in many scenarios. However, inherent challenges remain, in which silhouettes are not always guaranteed in unconstrained scenes, and structural cues have not been fully utilized from skeletons. In this paper, we introduce a novel skeletal gait representation named Skeleton Map, together with SkeletonGait, a skeleton-based method to exploit structural information from human skeleton maps. Specifically, the skeleton map represents the coordinates of human joints as a heatmap with Gaussian approximation, exhibiting a silhouette-like image devoid of exact body structure. Beyond achieving state-of-the-art performances over five popular gait datasets, more importantly, SkeletonGait uncovers novel insights about how important structural features are in describing gait and when do they play a role. Furthermore, we propose a multi-branch architecture, named SkeletonGait++, to make use of complementary features from both skeletons and silhouettes. Experiments indicate that SkeletonGait++ outperforms existing state-of-the-art methods by a significant margin in various scenarios. For instance, it achieves an impressive rank-1 accuracy of over $85\%$ on the challenging GREW dataset. All the source code will be available at https://github.com/ShiqiYu/OpenGait.
• Abstract（参考訳）: 表現の選択は、深い歩行認識法に必須である。 二項シルエットと骨格座標は近年の文献において2つの支配的な表現であり、多くのシナリオにおいて顕著な進歩を遂げている。 しかし、シルエットが常に拘束されていない場面で保証されるわけではなく、構造的な手がかりが骨格から完全に活用されていないという固有の課題が残っている。 本稿では,スケルトンマップと呼ばれる新しい骨格歩行表現と,ヒト骨格マップからの構造情報を活用するためのスケルトンマップを提案する。 具体的には、スケルトンマップは人間の関節の座標をガウス近似のヒートマップとして表現し、正確な体構造を持たないシルエットのような像を示す。 さらに重要な点として、SkeletonGaitは、歩行を記述する上で構造的特徴がいかに重要であるか、いつその役割を果たすのか、という新たな洞察を明らかにしている。 さらに,スケルトンとシルエットの相補的な特徴を活用するために,SkeletonGait++というマルチブランチアーキテクチャを提案する。 実験によると、SkeletonGait++は既存の最先端メソッドよりも、さまざまなシナリオでかなりの差がある。 例えば、挑戦的なGREWデータセットに対して、印象的なランク1の精度が8,5\%以上に達する。 すべてのソースコードはhttps://github.com/ShiqiYu/OpenGaitで入手できる。

関連論文リスト

• 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)
• Hierarchical Skeleton Meta-Prototype Contrastive Learning with Hard Skeleton Mining for Unsupervised Person Re-Identification [70.90142717649785]
  本稿では,HSM(Hard Skeleton Mining)を用いた階層型非教師付きメタプロトタイプコントラストラーニング(Hi-MPC)手法を提案する。 原原型を複数の同種変換を伴うメタプロトタイプに変換することにより,原型固有の一貫性を学習し,人体再IDのより効果的な骨格特徴を捉える。
  論文  参考訳（メタデータ） (2023-07-24T16:18:22Z)
• SkeletonMAE: Graph-based Masked Autoencoder for Skeleton Sequence Pre-training [110.55093254677638]
  我々はSkeleton Sequence Learning(SSL)という,効率的なスケルトンシーケンス学習フレームワークを提案する。 本論文では,SkeletonMAEという非対称なグラフベースのエンコーダデコーダ事前学習アーキテクチャを構築する。 我々のSSLは、さまざまなデータセットにまたがってうまく一般化し、最先端の自己教師型スケルトンベースのアクション認識手法よりも優れています。
  論文  参考訳（メタデータ） (2023-07-17T13:33:11Z)
• Skeleton Prototype Contrastive Learning with Multi-Level Graph Relation Modeling for Unsupervised Person Re-Identification [63.903237777588316]
  3Dスケルトンによる人物再識別(re-ID)は多くの利点を持つ重要な話題である。 既存の解は骨格構造や運動における価値ある身体-成分関係を探索することは滅多にない。 本稿では,マルチレベルグラフ関係学習を用いた汎用的教師なし型コントラスト学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2022-08-25T00:59:32Z)
• OSSO: Obtaining Skeletal Shape from Outside [50.47978215230605]
  OSSO(Obtaining Skeletal Shape from Outside)は、実データから3次元体表面から内部骨格へのマッピングを初めて学習する。 そこで本研究では,体表面を捉えるためにパラメトリックな3次元体形モデル (STAR) と,骨を捉えるために新しい部分ベースの3次元骨格モデルを構築した。 次に、身体形状パラメータから骨格形状パラメータへ回帰器を訓練し、身体的妥当性の制約を満たすために骨格を洗練させる。
  論文  参考訳（メタデータ） (2022-04-21T14:33:42Z)
• SM-SGE: A Self-Supervised Multi-Scale Skeleton Graph Encoding Framework for Person Re-Identification [12.347724797202865]
  3Dスケルトンによる人物の再識別は、セキュリティクリティカルなアプリケーションにおいて大きな可能性を持つ、新たなトピックである。 既存の方法は、典型的には体と関節の軌跡から身体と運動の特徴を学習する。 本稿では,人体,コンポーネント関係,骨格動態を包括的にモデル化する自己教師付きマルチスケールグラフ(SM-SGE)フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-05T09:53:08Z)
• Point2Skeleton: Learning Skeletal Representations from Point Clouds [36.62519847312199]
  本稿では,ポイントクラウドから骨格表現を学習するための教師なし手法であるPoint2Skeletonを紹介する。 まず、幾何変換を学習して骨格点の集合を予測し、次に骨格点の接続性を分析して骨格メッシュ構造を形成する。
  論文  参考訳（メタデータ） (2020-12-01T03:04:09Z)
• SkeletonNet: A Topology-Preserving Solution for Learning Mesh Reconstruction of Object Surfaces from RGB Images [85.66560542483286]
  本稿では,RGB画像から3次元物体表面再構成を学習する上での課題に焦点を当てる。 我々は,SkeGCNNとSkeDISNの2つのモデルを提案する。 提案するSkeletonNetの有効性を検証するための徹底的な実験を行った。
  論文  参考訳（メタデータ） (2020-08-13T07:59:25Z)
• Predictively Encoded Graph Convolutional Network for Noise-Robust Skeleton-based Action Recognition [6.729108277517129]
  本研究では,骨格特徴の雑音情報に対して頑健な骨格に基づく行動認識手法を提案する。 本手法は, 既存の最先端手法と比較して, スケルトンサンプルがノイズを受ける場合の優れた性能を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:37:36Z)

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。