論文の概要: OpenAnimals: Revisiting Person Re-Identification for Animals Towards Better Generalization

• arxiv url: http://arxiv.org/abs/2410.00204v1
• Date: Mon, 30 Sep 2024 20:07:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 06:56:01.920232
• Title: OpenAnimals: Revisiting Person Re-Identification for Animals Towards Better Generalization
• Title（参考訳）: OpenAnimals: より良い一般化を目指す動物の再同定の再考
• Authors: Saihui Hou, Panjian Huang, Zengbin Wang, Yuan Liu, Zeyu Li, Man Zhang, Yongzhen Huang,
• Abstract要約: 本研究は,BoT,AGW,SBS,MGNなど,最先端の人物再同定手法を再検討することによって実施する。 我々は,HyenaID,LeopardID,SeaTurtleID,WhaleSharkIDなどの動物再同定ベンチマークにおいて,その有効性を評価する。 以上の結果から,いくつかの手法がうまく機能する一方で,多くの手法が一般化せず,2つの課題の間に有意な違いがあることが判明した。 textbfAnimal textbfReに適した強力な textbfBase モデルである ARBase を提案する。
• 参考スコア（独自算出の注目度）: 10.176567936487364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the challenge of animal re-identification, an emerging field that shares similarities with person re-identification but presents unique complexities due to the diverse species, environments and poses. To facilitate research in this domain, we introduce OpenAnimals, a flexible and extensible codebase designed specifically for animal re-identification. We conduct a comprehensive study by revisiting several state-of-the-art person re-identification methods, including BoT, AGW, SBS, and MGN, and evaluate their effectiveness on animal re-identification benchmarks such as HyenaID, LeopardID, SeaTurtleID, and WhaleSharkID. Our findings reveal that while some techniques generalize well, many do not, underscoring the significant differences between the two tasks. To bridge this gap, we propose ARBase, a strong \textbf{Base} model tailored for \textbf{A}nimal \textbf{R}e-identification, which incorporates insights from extensive experiments and introduces simple yet effective animal-oriented designs. Experiments demonstrate that ARBase consistently outperforms existing baselines, achieving state-of-the-art performance across various benchmarks.
• Abstract（参考訳）: 動物再識別は, 個体の再識別と類似性を共有するが, 多様な種, 環境, ポーズにより, 特異な複雑さを呈する新興分野である。 この領域での研究を容易にするために,動物の再識別に特化して設計された柔軟で拡張可能なコードベースであるOpenAnimalsを紹介した。 我々は,BoT,AGW,SBS,MGNなどの最先端の人物再同定手法を再検討し,HyenaID,LeopardID,SeaTurtleID,WhaleSharkIDなどの動物再同定ベンチマークの有効性を評価する。 以上の結果から,いくつかの手法が一般化されているが,その多くが,2つの課題の間に有意な違いがあることが示唆された。 このギャップを埋めるために、我々は、広範囲な実験からの洞察を取り入れ、シンプルで効果的な動物指向設計を導入した、強力な \textbf{Base} モデルである ARBase を提案する。 実験によると、ARBaseは既存のベースラインを一貫して上回り、さまざまなベンチマークで最先端のパフォーマンスを実現している。

関連論文リスト

• An Individual Identity-Driven Framework for Animal Re-Identification [15.381573249551181]
  IndivAIDはAnimal ReID用に特別に設計されたフレームワークである。 画像特異的で個人固有のテキスト記述を生成し、動物画像を通して個々の視覚概念をフルにキャプチャする。 8つのベンチマークデータセットと現実世界のStoatデータセットにわたる最先端メソッドに対する評価は、IndivAIDの有効性と適用性を示している。
  論文  参考訳（メタデータ） (2024-10-30T11:34:55Z)
• Addressing the Elephant in the Room: Robust Animal Re-Identification with Unsupervised Part-Based Feature Alignment [44.86310789545717]
  動物型Re-IDは野生生物の保護に不可欠だが、人間型Re-IDと比較すると独特な課題に直面している。 本研究では,学習段階と評価段階の背景を体系的に除去する手法を提案することにより,背景バイアスに対処する。 本手法は,ATRW,YakReID-103,ELPephantsの3種の動物Re-IDデータセットにおいて優れた結果が得られる。
  論文  参考訳（メタデータ） (2024-05-22T16:08:06Z)
• Transformer for Object Re-Identification: A Survey [69.61542572894263]
  ビジョントランスフォーマーは、TransformerベースのRe-IDをさらに深く研究している。 本稿では、TransformerベースのRe-IDの総合的なレビューと詳細な分析を行う。 本稿では,教師なしRe-IDのトレンドを考えると,最先端性能を実現するための新しいトランスフォーマーベースラインUntransReIDを提案する。
  論文  参考訳（メタデータ） (2024-01-13T03:17:57Z)
• WildlifeDatasets: An open-source toolkit for animal re-identification [0.0]
  WildlifeDatasetsは、生態学者とコンピュータビジョン/機械学習研究者のためのオープンソースのツールキットである。 WildlifeDatasetsはPythonで書かれており、公開されている野生生物データセットに簡単にアクセスできる。 我々は,MegaDescriptorという多種多様な種において,個人を再同定するための最初の基礎モデルを提供する。
  論文  参考訳（メタデータ） (2023-11-15T17:08:09Z)
• Open-Vocabulary Animal Keypoint Detection with Semantic-feature Matching [74.75284453828017]
  Open-Vocabulary Keypoint Detection (OVKD)タスクは、任意の種類のキーポイントを特定するためにテキストプロンプトを使用するように設計されている。 セマンティック・フェールマッチング(KDSM)を用いた開語彙キーポイント検出(Open-Vocabulary Keypoint Detection)という新しいフレームワークを開発した。 このフレームワークは視覚と言語モデルを組み合わせて、言語機能とローカルキーポイント視覚機能との相互作用を作成する。
  論文  参考訳（メタデータ） (2023-10-08T07:42:41Z)
• Membership Inference Attack for Beluga Whales Discrimination [0.0]
  我々は、ブルガクジラのデジタル写真における差別に興味を持っている。 メンバーシップ推論攻撃(MIA)を利用した新しいアプローチを提案する。 既知の個人と未知の個人を区別する問題は、MIAの最先端アプローチを用いて効率よく解決できることを示す。
  論文  参考訳（メタデータ） (2023-02-28T17:10:32Z)
• Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
  検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。 提案するRACoは,他の知識強化手法よりも優れる。
  論文  参考訳（メタデータ） (2022-10-23T23:49:08Z)
• 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)
• GUNNEL: Guided Mixup Augmentation and Multi-View Fusion for Aquatic Animal Segmentation [30.759713670293287]
  我々はAquatic Animal speciesと呼ばれる新しいデータセットを構築した。 GUided mixup augmeNtatioN および multi-modEl fusion for aquatic animal segmentation (GUNNEL) を考案した。 実験により、既存の最先端のインスタンスセグメンテーション手法よりも提案したフレームワークの方が優れていることが示された。
  論文  参考訳（メタデータ） (2021-12-12T09:57:59Z)
• Transferring Dense Pose to Proximal Animal Classes [83.84439508978126]
  より一般的な対象検出器やセグメンタなどと同様に、密集したポーズ認識に存在する知識を、他のクラスにおける密集したポーズ認識の問題に移すことが可能であることを示す。 我々は、人間と幾何学的に整合した新しい動物のためのDensePoseモデルを確立することでこれを行う。 また、クラスチンパンジーにDensePoseの方法でラベル付けされた2つのベンチマークデータセットを導入し、アプローチを評価するためにそれらを使用します。
  論文  参考訳（メタデータ） (2020-02-28T21:43:53Z)

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。