論文の概要: OpenGait: A Comprehensive Benchmark Study for Gait Recognition towards Better Practicality

• arxiv url: http://arxiv.org/abs/2405.09138v2
• Date: Sun, 01 Jun 2025 14:31:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-03 20:53:52.820508
• Title: OpenGait: A Comprehensive Benchmark Study for Gait Recognition towards Better Practicality
• Title（参考訳）: OpenGait: より良い実践性に向けた歩行認識のための総合的なベンチマーク研究
• Authors: Chao Fan, Saihui Hou, Junhao Liang, Chuanfu Shen, Jingzhe Ma, Dongyang Jin, Yongzhen Huang, Shiqi Yu,
• Abstract要約: 既存の手法では、新しくリリースされた現実世界の歩行データセットに適用すると、満足のいく結果が得られることが多い。 我々は,DeepGaitV2,SkeletonGait,SkeletonGait++の3つの構造的単純かつ経験的に強力なベースラインモデルを開発した。 最終的に、我々は現在の歩行認識における重要なトレンドと課題について論じ、より良い実践性に向けてさらなる進歩を促すことを目的としている。
• 参考スコア（独自算出の注目度）: 11.64292241875791
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Gait recognition, a rapidly advancing vision technology for person identification from a distance, has made significant strides in indoor settings. However, evidence suggests that existing methods often yield unsatisfactory results when applied to newly released real-world gait datasets. Furthermore, conclusions drawn from indoor gait datasets may not easily generalize to outdoor ones. Therefore, the primary goal of this paper is to present a comprehensive benchmark study aimed at improving practicality rather than solely focusing on enhancing performance. To this end, we developed OpenGait, a flexible and efficient gait recognition platform. Using OpenGait, we conducted in-depth ablation experiments to revisit recent developments in gait recognition. Surprisingly, we detected some imperfect parts of some prior methods and thereby uncovered several critical yet previously neglected insights. These findings led us to develop three structurally simple yet empirically powerful and practically robust baseline models: DeepGaitV2, SkeletonGait, and SkeletonGait++, which represent the appearance-based, model-based, and multi-modal methodologies for gait pattern description, respectively. In addition to achieving state-of-the-art performance, our careful exploration provides new perspectives on the modeling experience of deep gait models and the representational capacity of typical gait modalities. In the end, we discuss the key trends and challenges in current gait recognition, aiming to inspire further advancements towards better practicality. The code is available at https://github.com/ShiqiYu/OpenGait.
• Abstract（参考訳）: 遠隔地からの人物識別のための急速に進歩する視覚技術である歩行認識は、屋内環境において大きな進歩を遂げている。 しかし、既存の手法が新しくリリースされた実世界の歩行データセットに適用された場合、しばしば不満足な結果をもたらすことが証拠として示されている。 さらに,屋内歩行データから得られた結論は,屋外への一般化が困難である。 そこで本研究では,性能向上にのみ焦点をあてるのではなく,実用性向上を目的とした総合的なベンチマーク研究を提案する。 そこで我々は,フレキシブルで効率的な歩行認識プラットフォームOpenGaitを開発した。 OpenGaitを用いて、歩行認識の最近の発展を再考するため、深部アブレーション実験を行った。 意外なことに,先行手法のいくつかの不完全な部分を検出した結果,これまで無視されていたいくつかの重要な知見が明らかになった。 これらの結果から,DeepGaitV2,SkeletonGait,SkeletonGait++の3つの構造的単純かつ実用的に堅牢なベースラインモデルを開発した。 我々の注意深い探索は、最先端の性能を達成することに加えて、深層歩行モデルのモデリング経験と典型的な歩行モダリティの表現能力に関する新たな視点を提供する。 最終的に、我々は現在の歩行認識における重要なトレンドと課題について論じ、より良い実践性に向けてさらなる進歩を促すことを目的としている。 コードはhttps://github.com/ShiqiYu/OpenGait.comで入手できる。

関連論文リスト

• Deep Learning Through A Telescoping Lens: A Simple Model Provides Empirical Insights On Grokking, Gradient Boosting & Beyond [61.18736646013446]
  その驚くべき振る舞いをより深く理解するために、トレーニングされたニューラルネットワークの単純かつ正確なモデルの有用性について検討する。 3つのケーススタディで、様々な顕著な現象に関する新しい経験的洞察を導き出すためにどのように適用できるかを説明します。
  論文  参考訳（メタデータ） (2024-10-31T22:54:34Z)
• BigGait: Learning Gait Representation You Want by Large Vision Models [12.620774996969535]
  既存の歩行認識手法は、教師あり学習によって駆動されるタスク固有の上流に頼り、明確な歩行表現を提供する。 この傾向から逃れたこの研究は、BigGaitと呼ばれるシンプルだが効率的な歩行フレームワークを提案する。 BigGaitは、すべての目的の知識を、サードパーティの監視信号を必要としない暗黙の歩行表現に変換する。
  論文  参考訳（メタデータ） (2024-02-29T13:00:22Z)
• Human as Points: Explicit Point-based 3D Human Reconstruction from Single-view RGB Images [78.56114271538061]
  我々はHaPと呼ばれる明示的なポイントベース人間再構築フレームワークを導入する。 提案手法は,3次元幾何学空間における完全明示的な点雲推定,操作,生成,洗練が特徴である。 我々の結果は、完全に明示的で幾何学中心のアルゴリズム設計へのパラダイムのロールバックを示すかもしれない。
  論文  参考訳（メタデータ） (2023-11-06T05:52:29Z)
• 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)
• Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
  基礎モデルを用いた最先端UniDA手法の実証的研究を行った。 CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。 単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-05-18T16:28:29Z)
• Exploring Deep Models for Practical Gait Recognition [11.185716724976414]
  我々は、最先端の屋外歩行認識のための深層モデルの構築方法について、統一的な視点を示す。 具体的には、浅い歩行モデルのステレオタイプに挑戦し、明示的な時間的モデリングの優位性を実証する。 提案されたCNNベースのDeepGaitV2シリーズとTransformerベースのSwinGaitシリーズは、Gait3DとGREWで大幅に性能が向上した。
  論文  参考訳（メタデータ） (2023-03-06T17:19:28Z)
• OpenGait: Revisiting Gait Recognition Toward Better Practicality [19.998635762435878]
  われわれはまずOpenGaitというフレキシブルで効率的な歩行認識を開発した。 これらの発見に触発されて、構造的にシンプルで、経験的に強力で、事実上堅牢なベースラインモデルであるGaitBaseを開発した。
  論文  参考訳（メタデータ） (2022-11-12T07:24:29Z)
• Multi-Modal Human Authentication Using Silhouettes, Gait and RGB [59.46083527510924]
  全体認証は、遠隔生体認証のシナリオにおいて有望なアプローチである。 本稿では,RGBデータとシルエットデータを組み合わせたDME(Dual-Modal Ensemble)を提案する。 DME内では、従来の歩行分析に使用される二重ヘリカル歩行パターンにインスパイアされたGaitPatternを提案する。
  論文  参考訳（メタデータ） (2022-10-08T15:17:32Z)
• Learning Gait Representation from Massive Unlabelled Walking Videos: A Benchmark [11.948554539954673]
  コントラスト学習を伴う歩行認識のための大規模自己教師付きベンチマークを提案する。 1.02万個の歩行シーケンスからなる大規模歩行データセットGaitLU-1Mを収集した。 そこで我々は, CASIA-B, OU-M, GREW, Gait3D の4つの広く使用されている歩行指標を用いて, 事前学習モデルの評価を行った。
  論文  参考訳（メタデータ） (2022-06-28T12:33:42Z)
• Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based Baseline [95.88825497452716]
  歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。 GREWは、野生における歩行認識のための最初の大規模データセットである。 SPOSGaitはNASベースの最初の歩行認識モデルである。
  論文  参考訳（メタデータ） (2022-05-05T14:57:39Z)
• 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)

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。