論文の概要: Keypoint Promptable Re-Identification

• arxiv url: http://arxiv.org/abs/2407.18112v1
• Date: Thu, 25 Jul 2024 15:20:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-26 13:39:06.770443
• Title: Keypoint Promptable Re-Identification
• Title（参考訳）: キーポイント・プロンプトブル・リデンティフィケーション
• Authors: Vladimir Somers, Christophe De Vleeschouwer, Alexandre Alahi,
• Abstract要約: Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
• 参考スコア（独自算出の注目度）: 76.31113049256375
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Occluded Person Re-Identification (ReID) is a metric learning task that involves matching occluded individuals based on their appearance. While many studies have tackled occlusions caused by objects, multi-person occlusions remain less explored. In this work, we identify and address a critical challenge overlooked by previous occluded ReID methods: the Multi-Person Ambiguity (MPA) arising when multiple individuals are visible in the same bounding box, making it impossible to determine the intended ReID target among the candidates. Inspired by recent work on prompting in vision, we introduce Keypoint Promptable ReID (KPR), a novel formulation of the ReID problem that explicitly complements the input bounding box with a set of semantic keypoints indicating the intended target. Since promptable re-identification is an unexplored paradigm, existing ReID datasets lack the pixel-level annotations necessary for prompting. To bridge this gap and foster further research on this topic, we introduce Occluded-PoseTrack ReID, a novel ReID dataset with keypoints labels, that features strong inter-person occlusions. Furthermore, we release custom keypoint labels for four popular ReID benchmarks. Experiments on person retrieval, but also on pose tracking, demonstrate that our method systematically surpasses previous state-of-the-art approaches on various occluded scenarios. Our code, dataset and annotations are available at https://github.com/VlSomers/keypoint_promptable_reidentification.
• Abstract（参考訳）: Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 多くの研究は、物体によって引き起こされる隠蔽に取り組んできたが、多人数の隠蔽はいまだに調査されていない。 本研究では,複数の個人が同じバウンディングボックスに表示された場合に発生するマルチパーソン・アンビグニティ(MPA)について,従来のReID手法で見落とされた重要な課題を特定し,対処する。 視覚を刺激する最近の研究から着想を得たキーポイント・プロンプタブル・ReID(KPR)は、入力境界ボックスを意図したターゲットを示すセマンティック・キーポイントのセットで明示的に補完するReID問題の新たな定式化である。 プロンプト可能な再識別は未探索のパラダイムであるため、既存のReIDデータセットにはプロンプトに必要なピクセルレベルのアノテーションが欠けている。 このギャップを埋め、このトピックに関するさらなる研究を促進するために、キーポイントラベルを持つ新しいReIDデータセットであるOccluded-PoseTrack ReIDを紹介します。 さらに、人気のある4つのReIDベンチマーク用のカスタムキーポイントラベルもリリースします。 提案手法は,人物検索だけでなくポーズトラッキングにも応用し,様々なシナリオにおける従来の最先端手法を体系的に超越していることを示す。 私たちのコード、データセット、アノテーションはhttps://github.com/VlSomers/keypoint_promptable_reidentificationで利用可能です。

関連論文リスト

• Occluded Person Re-Identification via Relational Adaptive Feature Correction Learning [8.015703163954639]
  複数のカメラが捉えた画像中の被写体再識別(Re-ID)は、歩行者や物体が被写体を隠蔽しているため困難である。 既存のほとんどの手法では、ネットワークを擬似ラベルとして利用しており、エラーを起こしやすい。 本稿では,Occlusion Correction Network (OCNet) を提案する。Occlusion Correction Network (OCNet) は,リレーショナル・ウェイト・ラーニングによって特徴を補正し,外部ネットワークを使わずに多様で代表的な特徴を得られる。
  論文  参考訳（メタデータ） (2022-12-09T07:48:47Z)
• Handling Label Uncertainty for Camera Incremental Person Re-Identification [17.5026399908583]
  人の再識別のためのインクリメンタルラーニング(ReID)は、継続的データストリームでトレーニング可能なモデルを開発することを目的としている。 新しいカメラから収集された新しいデータは、おそらくこれまで見たことのない量のIDを含んでいるかもしれない。 クラス重複問題に対処する新しいフレームワークExtendedOVAを提案する。
  論文  参考訳（メタデータ） (2022-10-17T02:59:54Z)
• Deep Learning-based Occluded Person Re-identification: A Survey [19.76711535866007]
  被占領者の再識別(Re-ID)は、複数のカメラにまたがって被写体を回収する際の閉塞問題に対処することを目的としている。 本稿では,隠蔽者のRe-ID手法を体系的に調査する。 本稿では, Re-ID を介在することによる4つの問題点,すなわち, 位置ずれ, スケールずれ, ノイズ情報, 行方不明情報について要約する。
  論文  参考訳（メタデータ） (2022-07-29T03:10:18Z)
• CGUA: Context-Guided and Unpaired-Assisted Weakly Supervised Person Search [54.106662998673514]
  本稿では,コンテキストガイドとアンペア支援(CGUA)を弱教師付き人物検索フレームワークとして導入する。 具体的には、クラスタリングプロセスにおけるコンテキスト情報を活用する新しいコンテキストガイドクラスタ(CGC)アルゴリズムを提案する。 本手法は,より多様なラベル付きデータを活用することにより,最先端の教師付き手法に匹敵する,あるいは優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-03-27T13:57:30Z)
• Online Multi-Object Tracking with Unsupervised Re-Identification Learning and Occlusion Estimation [80.38553821508162]
  異なるオブジェクト間のオクルージョンは、MOT(Multi-Object Tracking)の典型的な課題である 本稿では,これらの問題に対処する2つの新しいモジュールを設計し,オンラインマルチオブジェクト追跡に焦点を当てる。 提案した教師なし再識別学習モジュールは、(疑似)識別情報を一切必要とせず、スケーラビリティの問題に悩まされることもない。 本研究は、最先端MOT法に適用した場合、教師なし再識別学習は教師なし再識別学習に匹敵するものであることを示す。
  論文  参考訳（メタデータ） (2022-01-04T18:59:58Z)
• Attend to Who You Are: Supervising Self-Attention for Keypoint Detection and Instance-Aware Association [40.78849763751773]
  本稿では,Transformer を用いたキーポイント検出とインスタンス関連の解法を提案する。 本稿では,複数人物のキーポイント検出と事例関連のための自己注意の監視手法を提案する。
  論文  参考訳（メタデータ） (2021-11-25T03:41:41Z)
• Dual-Refinement: Joint Label and Feature Refinement for Unsupervised Domain Adaptive Person Re-Identification [51.98150752331922]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。 オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。 本手法は最先端手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-12-26T07:35:35Z)
• CycAs: Self-supervised Cycle Association for Learning Re-identifiable Descriptions [61.724894233252414]
  本稿では,人物再識別(re-ID)問題に対する自己教師型学習手法を提案する。 既存の教師なしのメソッドは通常、ビデオトラッカーやクラスタリングのような擬似ラベルに依存している。 疑似ラベルを使わずに、生のビデオから歩行者の埋め込みを学習できる別の教師なし手法を導入する。
  論文  参考訳（メタデータ） (2020-07-15T09:52:35Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)

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。