論文の概要: A Survey on 3D Skeleton Based Person Re-Identification: Approaches,
Designs, Challenges, and Future Directions
- arxiv url: http://arxiv.org/abs/2401.15296v1
- Date: Sat, 27 Jan 2024 04:52:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 19:02:26.176028
- Title: A Survey on 3D Skeleton Based Person Re-Identification: Approaches,
Designs, Challenges, and Future Directions
- Title（参考訳）: 3次元骨格に基づく人物再同定に関する調査 : アプローチ,設計,課題,今後の方向性
- Authors: Haocong Rao, Chunyan Miao
- Abstract要約: 3Dスケルトンによる人物の再識別は、パターン認識コミュニティに大きな関心を惹きつける重要な研究分野である。
多くのアプリケーションシナリオにおいて顕著なアドバンテージを持つ3Dスケルトンに基づく人物再同定手法が近年提案されている。
本稿では,現在のSRIDアプローチ,モデル設計,課題,今後の方向性を体系的に調査する。
- 参考スコア（独自算出の注目度）: 71.99165135905827
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Person re-identification via 3D skeletons is an important emerging research
area that triggers great interest in the pattern recognition community. With
distinctive advantages for many application scenarios, a great diversity of 3D
skeleton based person re-identification (SRID) methods have been proposed in
recent years, effectively addressing prominent problems in skeleton modeling
and feature learning. Despite recent advances, to the best of our knowledge,
little effort has been made to comprehensively summarize these studies and
their challenges. In this paper, we attempt to fill this gap by providing a
systematic survey on current SRID approaches, model designs, challenges, and
future directions. Specifically, we first formulate the SRID problem, and
propose a taxonomy of SRID research with a summary of benchmark datasets,
commonly-used model architectures, and an analytical review of different
methods' characteristics. Then, we elaborate on the design principles of SRID
models from multiple aspects to offer key insights for model improvement.
Finally, we identify critical challenges confronting current studies and
discuss several promising directions for future research of SRID.
- Abstract（参考訳）: 3Dスケルトンによる人物の再識別は、パターン認識コミュニティに大きな関心を惹きつける重要な研究分野である。
多くの応用シナリオに特有な利点があるため、3dスケルトンベースの人物再同定(srid)法が近年提案されており、スケルトンモデリングと特徴学習の顕著な問題に効果的に取り組んでいる。
最近の進歩にもかかわらず、我々の知る限りでは、これらの研究と課題を包括的に要約する努力はほとんど行われていない。
本稿では,現在のSRIDアプローチ,モデル設計,課題,今後の方向性を体系的に調査することで,このギャップを埋めようとしている。
具体的には、まずSRID問題を定式化し、ベンチマークデータセット、一般的なモデルアーキテクチャ、異なる手法の特性の分析的なレビューをまとめたSRID研究の分類法を提案する。
次に、モデル改善のための重要な洞察を提供するために、複数の側面からSRIDモデルの設計原則を詳述する。
最後に,現在の研究に直面する重要な課題を特定し,今後のSRID研究の方向性について論じる。
関連論文リスト
- Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。
ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
論文 参考訳（メタデータ） (2024-09-16T03:05:11Z) - Self-Supervised Skeleton-Based Action Representation Learning: A Benchmark and Beyond [19.074841631219233]
自己教師付き学習(SSL)は骨格に基づく行動理解に有効であることが証明されている。
本稿では,自己教師型骨格に基づく行動表現学習に関する包括的調査を行う。
論文 参考訳（メタデータ） (2024-06-05T06:21:54Z) - Architecture Analysis and Benchmarking of 3D U-shaped Deep Learning Models for Thoracic Anatomical Segmentation [0.8897689150430447]
3次元U型モデルの変種に対する最初の系統的ベンチマーク研究を行う。
本研究では,異なる注意機構,解像度ステージ数,ネットワーク構成がセグメンテーション精度および計算複雑性に与える影響について検討した。
論文 参考訳（メタデータ） (2024-02-05T17:43:02Z) - Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - Human Body Pose Estimation for Gait Identification: A Comprehensive
Survey of Datasets and Models [4.17510581764131]
個人識別は特にセキュリティ領域において大きな注目を集めている問題である。
顔画像、シルエット画像、ウェアラブルセンサーの利用など、人物識別に対処するいくつかのレビュー研究がある。
従来のアプローチの課題を克服しながら、骨格に基づく人物識別が人気を博しているが、既存の調査では歩行識別に対する骨格に基づくアプローチの包括的なレビューが欠如している。
論文 参考訳（メタデータ） (2023-05-23T07:30:00Z) - Unsupervised Pathology Detection: A Deep Dive Into the State of the Art [6.667150890634173]
複数の医療データセット上で,最先端の非教師付き異常検出法 (UAD) の選択について検討した。
本実験は, 産業・医療文献から新たに開発された特徴モデリング手法により, 性能が向上することが実証された。
これらの手法は,最近開発された自己教師付き事前学習アルゴリズムの恩恵を受けることができることを示す。
論文 参考訳（メタデータ） (2023-03-01T16:03:25Z) - Recent Few-Shot Object Detection Algorithms: A Survey with Performance
Comparison [54.357707168883024]
Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。
FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。
本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
論文 参考訳（メタデータ） (2022-03-27T04:11:28Z) - Recent Progress in Appearance-based Action Recognition [73.6405863243707]
アクション認識は、ビデオ内の様々な人間の行動を特定するタスクである。
最近の外見に基づく手法は、正確な行動認識に向けて有望な進歩を遂げている。
論文 参考訳（メタデータ） (2020-11-25T10:18:12Z) - View-Invariant Gait Recognition with Attentive Recurrent Learning of
Partial Representations [27.33579145744285]
本稿では,まず,フレームレベルの畳み込み特徴から歩行畳み込みエネルギーマップ(GCEM)を抽出するネットワークを提案する。
次に、GCEMの分割されたビンから学ぶために双方向ニューラルネットワークを採用し、学習された部分的リカレント表現の関係を利用する。
提案手法は2つの大規模CASIA-BとOU-Mの歩行データセットで広範囲に検証されている。
論文 参考訳（メタデータ） (2020-10-18T20:20:43Z) - A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。
本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。
本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
論文 参考訳（メタデータ） (2020-01-21T13:12:58Z)
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。