論文の概要: Synthetic-To-Real Video Person Re-ID

• arxiv url: http://arxiv.org/abs/2402.02108v3
• Date: Tue, 04 Feb 2025 06:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:54:49.594201
• Title: Synthetic-To-Real Video Person Re-ID
• Title（参考訳）: 合成・リアルタイムビデオパーソンRe-ID
• Authors: Xiangqun Zhang, Wei Feng, Ruize Han, Likai Wang, Linqi Song, Junhui Hou,
• Abstract要約: 人物再識別(Re-ID)は重要な課題であり、公衆の安全と情報法医学に重要な応用がある。 本稿では、Re-IDの新規かつ挑戦的な設定、すなわちドメイン間ビデオベースの人物Re-IDについて検討する。 我々は、テストのためのトレーニングや実世界のビデオのソースドメインとして、合成ビデオデータセットを使用します。
• 参考スコア（独自算出の注目度）: 57.937189569211505
• License:
• Abstract: Person re-identification (Re-ID) is an important task and has significant applications for public security and information forensics, which has progressed rapidly with the development of deep learning. In this work, we investigate a novel and challenging setting of Re-ID, i.e., cross-domain video-based person Re-ID. Specifically, we utilize synthetic video datasets as the source domain for training and real-world videos for testing, notably reducing the reliance on expensive real data acquisition and annotation. To harness the potential of synthetic data, we first propose a self-supervised domain-invariant feature learning strategy for both static and dynamic (temporal) features. Additionally, to enhance person identification accuracy in the target domain, we propose a mean-teacher scheme incorporating a self-supervised ID consistency loss. Experimental results across five real datasets validate the rationale behind cross-synthetic-real domain adaptation and demonstrate the efficacy of our method. Notably, the discovery that synthetic data outperforms real data in the cross-domain scenario is a surprising outcome. The code and data are publicly available at https://github.com/XiangqunZhang/UDA_Video_ReID.
• Abstract（参考訳）: 個人再識別(Re-ID)は重要な課題であり、公衆の安全と情報法医学に重要な応用があり、深層学習の発展とともに急速に進歩している。 本研究では,Re-IDの新規かつ挑戦的な設定,すなわちクロスドメインビデオベースの人物Re-IDについて検討する。 具体的には、テストのためのトレーニングや実世界のビデオのソースドメインとして合成ビデオデータセットを使用し、特に高価な実データ取得とアノテーションへの依存を減らす。 合成データの潜在能力を生かし,静的・動的・時間的両方の特徴に対して自己教師付きドメイン不変な特徴学習戦略を提案する。 さらに,対象領域における人物識別精度を高めるために,自己教師付きID一貫性損失を取り入れた平均教師制を提案する。 5つの実データセットにまたがる実験結果から,クロスシンセティック・リアルドメイン適応の理論的根拠を検証し,本手法の有効性を実証した。 特に、合成データがクロスドメインシナリオで実際のデータより優れているという発見は、驚くべき結果です。 コードとデータはhttps://github.com/XiangqunZhang/UDA_Video_ReIDで公開されている。

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。