論文の概要: SpheriGait: Enriching Spatial Representation via Spherical Projection for LiDAR-based Gait Recognition
- arxiv url: http://arxiv.org/abs/2409.11869v1
- Date: Wed, 18 Sep 2024 10:52:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-19 18:09:15.044652
- Title: SpheriGait: Enriching Spatial Representation via Spherical Projection for LiDAR-based Gait Recognition
- Title（参考訳）: SpheriGait:LiDARに基づく歩行認識のための球面投影による空間表現の強化
- Authors: Yanxi Wang, Zhigang Chang, Chen Wu, Zihao Cheng, Hongmin Gao,
- Abstract要約: LiDAR 3Dポイントクラウドを用いた歩行認識は、3D空間の特徴を直接キャプチャするだけでなく、照明条件の影響も減少させる。
本稿では,Lidarに基づく歩行認識のための点雲から動的特徴を抽出し,拡張するSpheriGaitという手法を提案する。
- 参考スコア（独自算出の注目度）: 7.074933848493885
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait recognition is a rapidly progressing technique for the remote identification of individuals. Prior research predominantly employing 2D sensors to gather gait data has achieved notable advancements; nonetheless, they have unavoidably neglected the influence of 3D dynamic characteristics on recognition. Gait recognition utilizing LiDAR 3D point clouds not only directly captures 3D spatial features but also diminishes the impact of lighting conditions while ensuring privacy protection.The essence of the problem lies in how to effectively extract discriminative 3D dynamic representation from point clouds.In this paper, we proposes a method named SpheriGait for extracting and enhancing dynamic features from point clouds for Lidar-based gait recognition. Specifically, it substitutes the conventional point cloud plane projection method with spherical projection to augment the perception of dynamic feature.Additionally, a network block named DAM-L is proposed to extract gait cues from the projected point cloud data. We conducted extensive experiments and the results demonstrated the SpheriGait achieved state-of-the-art performance on the SUSTech1K dataset, and verified that the spherical projection method can serve as a universal data preprocessing technique to enhance the performance of other LiDAR-based gait recognition methods, exhibiting exceptional flexibility and practicality.
- Abstract（参考訳）: 歩行認識は、個人を遠隔で識別する技術として急速に進歩している。
これまでは、歩行データを収集するために2Dセンサーを用いた研究が目覚ましい進歩を遂げてきたが、しかしながら、認識に対する3D動的特性の影響は避けられないほど無視されてきた。
本稿では,LiDAR 3Dポイントクラウドを用いた歩行認識において,3次元空間的特徴を直接キャプチャするだけでなく,照明条件の影響を低減し,プライバシ保護を確保しつつ,点クラウドから識別的3Dダイナミック表現を効果的に抽出する方法が課題となっている。
具体的には、従来の点雲面投影法を球面投影法に置き換え、動的特徴の知覚を高めるとともに、DAM-Lと呼ばれるネットワークブロックを提案し、投影された点雲データから歩行手がかりを抽出する。
本研究では,SUSTech1Kデータセット上でSpheriGaitの最先端性能を実証し,球面投影法が汎用データ前処理技術として機能し,他のLiDARベースの歩行認識手法の性能を向上し,卓越した柔軟性と実用性を示した。
関連論文リスト
- Gait Sequence Upsampling using Diffusion Models for Single LiDAR Sensors [1.0485739694839664]
LidarGSUは、既存の識別モデルの一般化能力を改善するように設計されている。
本研究は,ビデオ間翻訳手法における条件付きマスクとして,細かな歩行者点雲上のDPMを利用する。
提案手法では,SUSTeck1Kデータセットを用いて,生成品質と認識性能を評価する。
論文 参考訳（メタデータ） (2024-10-11T10:11:21Z) - 4D Contrastive Superflows are Dense 3D Representation Learners [62.433137130087445]
我々は,LiDARとカメラのペアを連続的に利用して事前学習の目的を確立するための,新しいフレームワークであるSuperFlowを紹介する。
学習効率をさらに向上するため,カメラビューから抽出した知識の整合性を高めるプラグイン・アンド・プレイ・ビュー・一貫性モジュールを組み込んだ。
論文 参考訳（メタデータ） (2024-07-08T17:59:54Z) - IPoD: Implicit Field Learning with Point Diffusion for Generalizable 3D Object Reconstruction from Single RGB-D Images [50.4538089115248]
シングルビューRGB-D画像からの3Dオブジェクトの汎用化は依然として難しい課題である。
本稿では,暗黙の場学習と点拡散を調和させる新しい手法IPoDを提案する。
CO3D-v2データセットによる実験では、IPoDの優位性が確認され、Fスコアは7.8%、チャンファー距離は28.6%向上した。
論文 参考訳（メタデータ） (2024-03-30T07:17:37Z) - LidarGait: Benchmarking 3D Gait Recognition with Point Clouds [18.22238384814974]
この研究は、ポイントクラウドからの正確な3D歩行機能を探究し、シンプルだが効率的な3D歩行認識フレームワークであるLidarGaitを提案する。
提案手法は,3次元幾何情報を用いた表現学習のために,点雲を深度マップに分割する手法である。
ポイントクラウドデータセットが不足しているため、私たちは最初の大規模LiDARベースの歩行認識データセットであるSUSTech1Kを構築しました。
論文 参考訳（メタデータ） (2022-11-19T06:23:08Z) - AGO-Net: Association-Guided 3D Point Cloud Object Detection Network [86.10213302724085]
ドメイン適応によるオブジェクトの無傷な特徴を関連付ける新しい3D検出フレームワークを提案する。
我々は,KITTIの3D検出ベンチマークにおいて,精度と速度の両面で最新の性能を実現する。
論文 参考訳（メタデータ） (2022-08-24T16:54:38Z) - R-AGNO-RPN: A LIDAR-Camera Region Deep Network for Resolution-Agnostic
Detection [3.4761212729163313]
3次元点雲とRGB画像を融合した領域提案ネットワークR-AGNO-RPNを提案する。
私たちのアプローチは、低点のクラウド解像度にも適用できるように設計されています。
論文 参考訳（メタデータ） (2020-12-10T15:22:58Z) - InfoFocus: 3D Object Detection for Autonomous Driving with Dynamic
Information Modeling [65.47126868838836]
動的情報モデリングを用いた新しい3次元オブジェクト検出フレームワークを提案する。
粗い予測は、ボクセルベースの領域提案ネットワークを介して第1段階で生成される。
大規模なnuScenes 3D検出ベンチマークで実験を行った。
論文 参考訳（メタデータ） (2020-07-16T18:27:08Z) - Pseudo-LiDAR Point Cloud Interpolation Based on 3D Motion Representation
and Spatial Supervision [68.35777836993212]
我々はPseudo-LiDAR点雲ネットワークを提案し、時間的および空間的に高品質な点雲列を生成する。
点雲間のシーンフローを活用することにより,提案ネットワークは3次元空間運動関係のより正確な表現を学習することができる。
論文 参考訳（メタデータ） (2020-06-20T03:11:04Z) - Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud
Object Detection [64.2159881697615]
3Dポイント雲からの物体検出は依然として難しい課題だが、最近の研究ではディープラーニング技術によって封筒を推し進めている。
本稿では,特徴表現の堅牢性を高めるために,ドメイン適応のようなアプローチを提案する。
我々の単純で効果的なアプローチは、3Dポイントクラウドオブジェクト検出の性能を根本的に向上させ、最先端の結果を達成する。
論文 参考訳（メタデータ） (2020-06-08T05:15:06Z) - Scan-based Semantic Segmentation of LiDAR Point Clouds: An Experimental
Study [2.6205925938720833]
最先端の手法では、深いニューラルネットワークを使用して、LiDARスキャンの各点のセマンティッククラスを予測する。
LiDAR測定を処理するための強力で効率的な方法は、2次元の画像のような投影を使うことである。
メモリの制約だけでなく、パフォーマンスの向上やランタイムの改善など、さまざまなテクニックを実証する。
論文 参考訳（メタデータ） (2020-04-06T11:08:12Z)
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。