論文の概要: QAGait: Revisit Gait Recognition from a Quality Perspective
- arxiv url: http://arxiv.org/abs/2401.13531v1
- Date: Wed, 24 Jan 2024 15:37:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-25 14:20:45.669631
- Title: QAGait: Revisit Gait Recognition from a Quality Perspective
- Title（参考訳）: QAGait:品質の観点からの歩行認識の再考
- Authors: Zengbin Wang, Saihui Hou, Man Zhang, Xu Liu, Chunshui Cao, Yongzhen
Huang, Peipei Li, Shibiao Xu
- Abstract要約: 歩行認識は、歩行者を独自の歩行パターンから識別することを目的とした、有望な生体計測手法である。
シルエットのモダリティは、容易な獲得、単純な構造、スパース表現、便利なモデリングで有名であり、イン・ザ・ラボ・リサーチで広く利用されている。
我々は,背景雑音や未知のシルエットを排除するために,Maxmial Connect Area や Template Match など,費用対効果の高い品質評価戦略を提案する。
- 参考スコア（独自算出の注目度）: 17.831182103487116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait recognition is a promising biometric method that aims to identify
pedestrians from their unique walking patterns. Silhouette modality, renowned
for its easy acquisition, simple structure, sparse representation, and
convenient modeling, has been widely employed in controlled in-the-lab
research. However, as gait recognition rapidly advances from in-the-lab to
in-the-wild scenarios, various conditions raise significant challenges for
silhouette modality, including 1) unidentifiable low-quality silhouettes
(abnormal segmentation, severe occlusion, or even non-human shape), and 2)
identifiable but challenging silhouettes (background noise, non-standard
posture, slight occlusion). To address these challenges, we revisit gait
recognition pipeline and approach gait recognition from a quality perspective,
namely QAGait. Specifically, we propose a series of cost-effective quality
assessment strategies, including Maxmial Connect Area and Template Match to
eliminate background noises and unidentifiable silhouettes, Alignment strategy
to handle non-standard postures. We also propose two quality-aware loss
functions to integrate silhouette quality into optimization within the
embedding space. Extensive experiments demonstrate our QAGait can guarantee
both gait reliability and performance enhancement. Furthermore, our quality
assessment strategies can seamlessly integrate with existing gait datasets,
showcasing our superiority. Code is available at
https://github.com/wzb-bupt/QAGait.
- Abstract（参考訳）: 歩行認識は、歩行者を独自の歩行パターンから識別することを目的とした、有望な生体計測手法である。
シルエットのモダリティは、容易な獲得、単純な構造、スパース表現、便利なモデリングで有名であり、実験室内での制御研究に広く利用されている。
しかし、歩容認識が盤内から機内シナリオへと急速に進展するにつれて、様々な条件がシルエットモダリティの重要な課題を提起する。
1)識別不能な低品質シルエット(異常セグメンテーション、重篤な閉塞、あるいは非ヒトの形状)
2) 身元不明だが難易度の高いシルエット(背景雑音,非標準姿勢,わずか閉塞)。
これらの課題に対処するために,歩行認識パイプラインを再検討し,品質の観点から歩行認識にアプローチする。
具体的には、背景雑音を除去するMaxmial Connect AreaとTemplate Match、非標準姿勢を扱うアライメント戦略など、コスト効率の高い品質評価戦略を提案する。
また,シルエット品質を組込み空間内で最適化する2つの品質認識損失関数を提案する。
大規模な実験により、当社のQAGaitは歩行信頼性と性能向上の両方を保証できます。
さらに、我々の品質評価戦略は既存の歩行データセットとシームレスに統合することができ、優位性を示している。
コードはhttps://github.com/wzb-bupt/qagaitで入手できる。
関連論文リスト
- It Takes Two: Accurate Gait Recognition in the Wild via Cross-granularity Alignment [72.75844404617959]
本稿では,XGait という新しい粒度アライメント歩行認識手法を提案する。
この目的を達成するために、XGaitはまず2つのバックボーンエンコーダの分岐を含み、シルエットシーケンスとパーシングシーケンスを2つの潜在空間にマッピングする。
2つの大規模な歩行データセットの総合的な実験では、ランク1の精度が80.5%、CCPGが88.3%である。
論文 参考訳（メタデータ） (2024-11-16T08:54:27Z) - GaitMA: Pose-guided Multi-modal Feature Fusion for Gait Recognition [26.721242606715354]
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、Gait Multi-model Aggregation Network (GaitMA)と呼ばれる新しい歩行認識フレームワークを提案する。
まず, 2つのCNN特徴抽出器を用いて, シルエットと骨格の特徴を抽出した。
論文 参考訳（メタデータ） (2024-07-20T09:05:17Z) - Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。
十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。
近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。
本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
論文 参考訳（メタデータ） (2024-04-23T11:45:32Z) - 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) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z) - 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) - Robust and Precise Facial Landmark Detection by Self-Calibrated Pose
Attention Network [73.56802915291917]
より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。
より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。
自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
論文 参考訳（メタデータ） (2021-12-23T02:51:08Z) - 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)
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。