論文の概要: ENTIRe-ID: An Extensive and Diverse Dataset for Person Re-Identification

• arxiv url: http://arxiv.org/abs/2405.20465v1
• Date: Thu, 30 May 2024 20:26:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-03 18:14:59.016622
• Title: ENTIRe-ID: An Extensive and Diverse Dataset for Person Re-Identification
• Title（参考訳）: ENTIRe-ID: 人物再同定のための拡張的および多元的データセット
• Authors: Serdar Yildiz, Ahmet Nezih Kasim,
• Abstract要約: ENTIRe-IDデータセットは、37種類のカメラから445万枚以上の画像で構成されている。 このデータセットは、ドメインの可変性とモデルの一般化の課題に取り組むために一意に設計されている。 この設計により、ReIDモデルの現実的で堅牢なトレーニングプラットフォームが保証される。
• 参考スコア（独自算出の注目度）: 0.46040036610482665
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing importance of person reidentification in computer vision has highlighted the need for more extensive and diverse datasets. In response, we introduce the ENTIRe-ID dataset, an extensive collection comprising over 4.45 million images from 37 different cameras in varied environments. This dataset is uniquely designed to tackle the challenges of domain variability and model generalization, areas where existing datasets for person re-identification have fallen short. The ENTIRe-ID dataset stands out for its coverage of a wide array of real-world scenarios, encompassing various lighting conditions, angles of view, and diverse human activities. This design ensures a realistic and robust training platform for ReID models. The ENTIRe-ID dataset is publicly available at https://serdaryildiz.github.io/ENTIRe-ID
• Abstract（参考訳）: コンピュータビジョンにおける人物の再識別の重要性の高まりは、より広範囲で多様なデータセットの必要性を強調している。 そこで本研究では,37種類のカメラから445万枚以上の画像を収集したENIRe-IDデータセットについて紹介する。 このデータセットは、個人を再識別するための既存のデータセットが不足している領域である、ドメインの可変性とモデル一般化の課題に取り組むように設計されている。 ENTIRe-IDデータセットは、様々な照明条件、視角、多様な人間の活動を含む、さまざまな現実世界シナリオをカバーしている。 この設計により、ReIDモデルの現実的で堅牢なトレーニングプラットフォームが保証される。 ENTIRe-IDデータセットはhttps://serdaryildiz.github.io/ENTIRe-IDで公開されている。

関連論文リスト

• Towards Global Localization using Multi-Modal Object-Instance Re-Identification [23.764646800085977]
  マルチモーダルRGBと深度情報を統合した新しい再同定トランスフォーマアーキテクチャを提案する。 照明条件が異なったり散らかったりしたシーンにおけるReIDの改善を実演する。 また、正確なカメラのローカライゼーションを可能にするReIDベースのローカライゼーションフレームワークを開発し、異なる視点で識別を行う。
  論文  参考訳（メタデータ） (2024-09-18T14:15:10Z)
• Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
  本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。 提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
  論文  参考訳（メタデータ） (2024-06-10T06:26:03Z)
• An Open-World, Diverse, Cross-Spatial-Temporal Benchmark for Dynamic Wild Person Re-Identification [58.5877965612088]
  人物再識別(ReID)は、データ駆動のディープラーニング技術のおかげで大きな進歩を遂げました。 既存のベンチマークデータセットには多様性がなく、これらのデータに基づいてトレーニングされたモデルは、動的なワイルドシナリオに対してうまく一般化できない。 OWDと呼ばれる新しいOpen-World, Diverse, Cross-Spatial-Temporalデータセットを開発した。
  論文  参考訳（メタデータ） (2024-03-22T11:21:51Z)
• AG-ReID.v2: Bridging Aerial and Ground Views for Person Re-identification [39.58286453178339]
  空中人物再識別(Re-ID)は、コンピュータビジョンにおいて固有の課題を提示する。 AG-ReID.v2は、空中および地上の混合シナリオにおいて、人物Re-ID用に特別に設計されたデータセットである。 このデータセットは、1,615人のユニークな個人の100,502枚の画像で構成され、それぞれに一致するIDと15のソフト属性ラベルが付加されている。
  論文  参考訳（メタデータ） (2024-01-05T04:53:33Z)
• Benchmarking person re-identification datasets and approaches for practical real-world implementations [1.0079626733116613]
  人物再識別(Re-ID)は注目されている。 しかし、そのようなRe-IDモデルが新しい都市や環境に配備される場合、セキュリティカメラのネットワーク内の人々を探すタスクは、重要なドメインシフトに直面している可能性が高い。 本稿では、ライブオペレーションにおける教師なしデプロイメントに適したデータセットの評価方法について、Re-IDアプローチとトレーニングデータセットの完全な評価手法を提案する。
  論文  参考訳（メタデータ） (2022-12-20T03:45:38Z)
• Large-Scale Spatio-Temporal Person Re-identification: Algorithm and Benchmark [100.77540900932763]
  224k以上の画像を持つ10,860のIDを含む,LaST(Large-scale Spatio-Temporal)の個人再IDデータセットを新たに提供した。 LaSTは、より困難で多彩なreID設定を示し、空間的および時間的範囲が大幅に大きい。
  論文  参考訳（メタデータ） (2021-05-31T16:05:51Z)
• Unsupervised Pre-training for Person Re-identification [90.98552221699508]
  大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。 学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
  論文  参考訳（メタデータ） (2020-12-07T14:48:26Z)
• PoseTrackReID: Dataset Description [97.7241689753353]
  詩情報は、背景や閉塞音から有用な特徴情報を遠ざけるのに役立つ。 PoseTrackReIDでは、人物のリIDと複数人のポーズトラッキングのギャップを埋めたいと考えています。 このデータセットは、マルチフレームの人物のre-IDに関する現在の最先端メソッドに対する優れたベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-11-12T07:44:25Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。