論文の概要: GaitPoint+: A Gait Recognition Network Incorporating Point Cloud Analysis and Recycling
- arxiv url: http://arxiv.org/abs/2404.10213v1
- Date: Tue, 16 Apr 2024 01:50:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-17 18:22:10.658860
- Title: GaitPoint+: A Gait Recognition Network Incorporating Point Cloud Analysis and Recycling
- Title（参考訳）: GaitPoint+:ポイントクラウド分析とリサイクルを組み合わせた歩行認識ネットワーク
- Authors: Huantao Ren, Jiajing Chen, Senem Velipasalar,
- Abstract要約: 歩行は行動のバイオメトリック・モダリティであり、遠くから歩く方法で個人を認識できる。
シルエットと骨格の特徴を両立させるため,GaitPoint+と呼ばれる新しい歩行認識ネットワークを提案する。
提案手法では,スケルトン点を3次元点群としてモデル化し,計算複雑性を考慮した3次元点処理手法を用いて骨格の特徴を抽出する。
- 参考スコア（独自算出の注目度）: 11.666213041832407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait is a behavioral biometric modality that can be used to recognize individuals by the way they walk from a far distance. Most existing gait recognition approaches rely on either silhouettes or skeletons, while their joint use is underexplored. Features from silhouettes and skeletons can provide complementary information for more robust recognition against appearance changes or pose estimation errors. To exploit the benefits of both silhouette and skeleton features, we propose a new gait recognition network, referred to as the GaitPoint+. Our approach models skeleton key points as a 3D point cloud, and employs a computational complexity-conscious 3D point processing approach to extract skeleton features, which are then combined with silhouette features for improved accuracy. Since silhouette- or CNN-based methods already require considerable amount of computational resources, it is preferable that the key point learning module is faster and more lightweight. We present a detailed analysis of the utilization of every human key point after the use of traditional max-pooling, and show that while elbow and ankle points are used most commonly, many useful points are discarded by max-pooling. Thus, we present a method to recycle some of the discarded points by a Recycling Max-Pooling module, during processing of skeleton point clouds, and achieve further performance improvement. We provide a comprehensive set of experimental results showing that (i) incorporating skeleton features obtained by a point-based 3D point cloud processing approach boosts the performance of three different state-of-the-art silhouette- and CNN-based baselines; (ii) recycling the discarded points increases the accuracy further. Ablation studies are also provided to show the effectiveness and contribution of different components of our approach.
- Abstract（参考訳）: 歩行は行動のバイオメトリック・モダリティであり、遠くから歩く方法で個人を認識できる。
既存の歩行認識アプローチのほとんどはシルエットか骨格に依存しているが、それらの共同使用は未調査である。
シルエットやスケルトンの特徴は、外観変化に対するより堅牢な認識や推定エラーの引き起こしのための補完的な情報を提供することができる。
シルエットと骨格の特徴を両立させるため,GaitPoint+と呼ばれる新しい歩行認識ネットワークを提案する。
提案手法では,スケルトン点を3次元ポイントクラウドとしてモデル化し,計算複雑性を考慮した3次元ポイント処理手法を用いて骨格特徴を抽出し,シルエット特徴と組み合わせて精度を向上する。
シルエットやCNNベースの手法は、既に大量の計算資源を必要とするため、キーポイント学習モジュールはより高速で軽量であることが好ましい。
本報告では,従来のマックスプール使用後のヒトのキーポイントの利用状況について詳細に分析し,肘と足首のポイントが最も多く使用されているが,最大プールにより多くの有用なポイントが破棄されていることを示す。
そこで本研究では,スケルトン点雲の処理中に,リサイクルしたMax-Poolingモジュールによって廃棄された点のいくつかをリサイクルし,さらなる性能向上を実現する方法を提案する。
実験結果の包括的セットを提供する。
二 ポイントベースの3Dポイントクラウド処理手法により得られる骨格の特徴を取り入れることで、3種類の最先端シルエットとCNNベースのベースラインの性能を高める。
(ii) 廃棄された点のリサイクルにより精度が向上する。
また, アプローチの異なるコンポーネントの有効性と寄与を示すために, アブレーション研究も行われている。
関連論文リスト
- Curvature Informed Furthest Point Sampling [0.0]
ファテスト点サンプリング(FPS)を強化する強化学習に基づくサンプリングアルゴリズムを提案する。
提案手法は,FPS由来のソフトランクと深部ニューラルネットワークによる曲率スコアを組み合わせることで,ポイントをランク付けする。
我々は,各特徴が性能に与える影響について,質的および定量的に考察した総合的アブレーション研究を提供する。
論文 参考訳（メタデータ） (2024-11-25T23:58:38Z) - SPEAL: Skeletal Prior Embedded Attention Learning for Cross-Source Point
Cloud Registration [20.32815928095936]
ポイントクラウドの登録は、クロスソースのポイントクラウドと非構造化のシーンでほとんど探索されていない。
そこで我々は,SPEALと呼ばれる新しい手法を提案し,スケルトン表現を利用して点雲の固有位相を効果的に学習する。
我々の知識を最大限に活用するために、我々のアプローチは骨格幾何学的な先行した点雲の登録を容易にする最初の方法である。
論文 参考訳（メタデータ） (2023-12-14T05:35:51Z) - Improving Video Violence Recognition with Human Interaction Learning on
3D Skeleton Point Clouds [88.87985219999764]
我々は骨格点の新たな視点からビデオ暴力認識法を開発した。
まず、ビデオから抽出した人間の配列から3Dスケルトン点雲を定式化する。
そして、これらの3Dスケルトン点雲上で相互作用学習を行う。
論文 参考訳（メタデータ） (2023-08-26T12:55:18Z) - Contrastive Self-Supervised Learning for Skeleton Representations [2.528877542605869]
我々は,スケルトン点雲のセマンティクスをキャプチャする表現を学習するために,コントラッシブな自己教師付き学習手法であるSimCLRを用いている。
表現を事前訓練するために、既存の6つのデータセットを正規化し、4000万以上のスケルトンフレームを得る。
本研究では,3つの下流課題(骨格再構築,運動予測,行動分類)で学習した表現の質を評価する。
論文 参考訳（メタデータ） (2022-11-10T02:45:36Z) - BIMS-PU: Bi-Directional and Multi-Scale Point Cloud Upsampling [60.257912103351394]
我々はBIMS-PUと呼ばれる新しいポイント・クラウド・アップサンプリング・パイプラインを開発した。
対象のサンプリング因子を小さな因子に分解することにより,アップ/ダウンサンプリング手順をいくつかのアップ/ダウンサンプリングサブステップに分解する。
提案手法は最先端手法よりも優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2022-06-25T13:13:37Z) - 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) - SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object
Detection [78.90102636266276]
SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。
そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。
実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
論文 参考訳（メタデータ） (2022-01-06T08:54:47Z) - Point Discriminative Learning for Unsupervised Representation Learning
on 3D Point Clouds [54.31515001741987]
3次元点雲上での教師なし表現学習のための点識別学習法を提案する。
我々は、中間レベルとグローバルレベルの特徴に新しい点識別損失を課すことにより、これを達成した。
提案手法は強力な表現を学習し,新しい最先端性能を実現する。
論文 参考訳（メタデータ） (2021-08-04T15:11:48Z) - Revisiting Skeleton-based Action Recognition [107.08112310075114]
PoseC3Dは骨格に基づく行動認識の新しいアプローチであり、代わりに人間の骨格のベース表現としてグラフシーケンスを積み重ねる3Dヒートマップに依存している。
4つの挑戦的なデータセットにおいて、PoseC3Dは、スケルトン上で単独で使用し、RGBモダリティと組み合わせることで、常に優れたパフォーマンスを得る。
論文 参考訳（メタデータ） (2021-04-28T06:32:17Z) - A Self-Supervised Gait Encoding Approach with Locality-Awareness for 3D
Skeleton Based Person Re-Identification [65.18004601366066]
3Dスケルトン配列内の歩行特徴による人物再識別(Re-ID)は、いくつかの利点を持つ新しい話題である。
本稿では、ラベルのない骨格データを利用して人物の歩行表現を学習できる自己教師付き歩行符号化手法を提案する。
論文 参考訳（メタデータ） (2020-09-05T16:06:04Z) - Triangle-Net: Towards Robustness in Point Cloud Learning [0.0]
本稿では, 回転, 位置シフト, スケーリングに対する不変性を同時に実現し, 点間隔に頑健な3次元分類手法を提案する。
提案手法は,ModelNet 40分類タスクにおいて,ポイントネットと3DmFVをそれぞれ35.0%,28.1%で上回っている。
論文 参考訳（メタデータ） (2020-02-27T20:42:32Z)
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。