論文の概要: From Synthetic to Real: Unveiling the Power of Synthetic Data for Video
Person Re-ID
- arxiv url: http://arxiv.org/abs/2402.02108v1
- Date: Sat, 3 Feb 2024 10:19:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 22:02:38.222466
- Title: From Synthetic to Real: Unveiling the Power of Synthetic Data for Video
Person Re-ID
- Title(参考訳): 合成からリアルへ:ビデオパーソナライズのための合成データのパワーを披露する
- Authors: Xiangqun Zhang, Ruize Han, Wei Feng
- Abstract要約: クロスドメインビデオに基づく人物再識別(Re-ID)の新たな課題について検討する。
合成ビデオデータセットをトレーニングのソースドメインとし、実世界のビデオを使ってテストする。
クロスドメイン設定における実際のデータよりも、合成データがより優れていることに驚きます。
- 参考スコア(独自算出の注目度): 15.81210364737776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we study a new problem of cross-domain video based person
re-identification (Re-ID). Specifically, we take the synthetic video dataset as
the source domain for training and use the real-world videos for testing, which
significantly reduces the dependence on real training data collection and
annotation. To unveil the power of synthetic data for video person Re-ID, we
first propose a self-supervised domain invariant feature learning strategy for
both static and temporal features. Then, to further improve the person
identification ability in the target domain, we develop a mean-teacher scheme
with the self-supervised ID consistency loss. Experimental results on four real
datasets verify the rationality of cross-synthetic-real domain adaption and the
effectiveness of our method. We are also surprised to find that the synthetic
data performs even better than the real data in the cross-domain setting.
- Abstract(参考訳): 本稿では,クロスドメインビデオに基づく人物再識別(Re-ID)の新たな課題について検討する。
具体的には、合成ビデオデータセットをトレーニングのソースドメインとして、実世界のビデオを使ってテストし、実際のトレーニングデータ収集とアノテーションへの依存を著しく低減する。
ビデオ人物の合成データのパワーを明らかにするために,まず静的特徴と時間的特徴の両方を対象とした自己教師付きドメイン不変特徴学習戦略を提案する。
そこで,対象領域における人物識別能力をさらに向上するため,自己教師型ID一貫性損失を用いた平均教師制を考案した。
4つの実データを用いた実験結果から,クロスシンセティック・リアル領域適応の合理性と本手法の有効性が検証された。
また、クロスドメイン設定における実際のデータよりも、合成データがより優れていることに驚きます。
関連論文リスト
- Alice Benchmarks: Connecting Real World Re-Identification with the
Synthetic [92.02220105679713]
我々は、Aliceベンチマーク、大規模データセット、ベンチマークおよび評価プロトコルを研究コミュニティに導入する。
Aliceベンチマークでは、人と車の2つのre-IDタスクが提供されている。
実際のターゲットの重要な特徴として、トレーニングセットのクラスタビリティは、実際のドメイン適応テストシナリオに近づくように手動で保証されない。
論文 参考訳(メタデータ) (2023-10-06T17:58:26Z) - Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。
データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。
我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
論文 参考訳(メタデータ) (2023-03-17T23:23:55Z) - A New Benchmark: On the Utility of Synthetic Data with Blender for Bare
Supervised Learning and Downstream Domain Adaptation [42.2398858786125]
コンピュータビジョンにおけるディープラーニングは、大規模ラベル付きトレーニングデータの価格で大きな成功を収めた。
制御不能なデータ収集プロセスは、望ましくない重複が存在する可能性のある非IIDトレーニングおよびテストデータを生成する。
これを回避するために、ドメインランダム化による3Dレンダリングによる合成データを生成する方法がある。
論文 参考訳(メタデータ) (2023-03-16T09:03:52Z) - Less is More: Learning from Synthetic Data with Fine-grained Attributes
for Person Re-Identification [16.107661617441327]
人物の再識別(re-ID)は、公共のセキュリティやビデオ監視などのアプリケーションにおいて重要な役割を果たす。
近年、合成データから学ぶことは、学術と公衆の目の両方から注目を集めている。
我々は,微粒な属性分布を持つファインGPRという大規模合成人データセットを構築し,ラベル付けする。
論文 参考訳(メタデータ) (2021-09-22T03:12:32Z) - Unsupervised Domain Adaptive Learning via Synthetic Data for Person
Re-identification [101.1886788396803]
人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。
残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。
本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
論文 参考訳(メタデータ) (2021-09-12T15:51:41Z) - Semi-Supervised Domain Generalizable Person Re-Identification [74.75528879336576]
既存の人物の再識別(re-id)メソッドは、新しい目に見えないシナリオにデプロイされると立ち往生する。
近年,新たなシナリオにおける未ラベルの広範なデータをトランスダクティブ学習方式で活用するドメイン適応型人物再認識への取り組みが進められている。
我々は、複数のラベル付きデータセットを探索し、人物の再識別のための一般化されたドメイン不変表現を学習することを目指している。
論文 参考訳(メタデータ) (2021-08-11T06:08:25Z) - Attention-based Adversarial Appearance Learning of Augmented Pedestrians [49.25430012369125]
本稿では,歩行者認識タスクのための現実的なデータを合成する手法を提案する。
本手法は, 対向的損失によって駆動される注意機構を用いて, ドメインの相違を学習する。
提案手法はこのような不一致に対して頑健であり,視覚的リアリズムと意味的整合性の両方を明らかにする。
論文 参考訳(メタデータ) (2021-07-06T15:27:00Z) - Taking A Closer Look at Synthesis: Fine-grained Attribute Analysis for
Person Re-Identification [15.388939933009668]
人物の再識別(re-ID)は、公共のセキュリティやビデオ監視などのアプリケーションにおいて重要な役割を果たす。
近年,合成データエンジンの普及に寄与する合成データからの学習は,目覚ましい成果を上げている。
この研究は、人物のre-IDにおける根本的な問題をより深く理解するのに役立ち、データセットの構築と将来の実用的な使用法に関する有用な洞察を提供する。
論文 参考訳(メタデータ) (2020-10-15T02:47:06Z)
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。