論文の概要: CHIRLA: Comprehensive High-resolution Identification and Re-identification for Large-scale Analysis
- arxiv url: http://arxiv.org/abs/2502.06681v1
- Date: Mon, 10 Feb 2025 17:07:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-11 14:35:54.391208
- Title: CHIRLA: Comprehensive High-resolution Identification and Re-identification for Large-scale Analysis
- Title（参考訳）: CHIRLA:大規模解析のための総合的高分解能同定と再同定
- Authors: Bessie Dominguez-Dager, Felix Escalona, Francisco Gomez-Donoso, Miguel Cazorla,
- Abstract要約: 大規模解析のための総合的高分解能同定と再同定を行う。
CHIRLAは、戦略的に配置されたカメラから7ヶ月にわたって記録され、時間特性と外観特性の両方において重要な変化を捉えている。
私たちは5時間以上のビデオを半自動でラベル付けして、アイデンティティアノテーション付きで100万のバウンディングボックスを生成しました。
- 参考スコア（独自算出の注目度）: 3.849237155005728
- License:
- Abstract: Person re-identification (Re-ID) is a key challenge in computer vision, requiring the matching of individuals across different cameras, locations, and time periods. While most research focuses on short-term scenarios with minimal appearance changes, real-world applications demand robust Re-ID systems capable of handling long-term scenarios, where persons' appearances can change significantly due to variations in clothing and physical characteristics. In this paper, we present CHIRLA, Comprehensive High-resolution Identification and Re-identification for Large-scale Analysis, a novel dataset specifically designed for long-term person Re-ID. CHIRLA consists of recordings from strategically placed cameras over a seven-month period, capturing significant variations in both temporal and appearance attributes, including controlled changes in participants' clothing and physical features. The dataset includes 22 individuals, four connected indoor environments, and seven cameras. We collected more than five hours of video that we semi-automatically labeled to generate around one million bounding boxes with identity annotations. By introducing this comprehensive benchmark, we aim to facilitate the development and evaluation of Re-ID algorithms that can reliably perform in challenging, long-term real-world scenarios.
- Abstract（参考訳）: 人物再識別(Re-ID)はコンピュータビジョンにおける鍵となる課題であり、異なるカメラ、場所、時間にまたがる個人とのマッチングを必要とする。
ほとんどの研究は、外観の変化を最小限に抑えた短期シナリオに焦点を当てているが、現実のアプリケーションでは、衣服や身体特性の変化により、人の外観が著しく変化する長期的なシナリオを扱える堅牢なRe-IDシステムを必要としている。
本稿では,長期人物Re-IDに特化して設計された新しいデータセットであるChIRLA,包括的高分解能同定と大規模分析のための再同定について述べる。
CHIRLAは7ヶ月にわたる戦略的に配置されたカメラからの録音で構成されており、参加者の衣服や身体的特徴の制御を含む、時間的・外観的な特性に大きな変化を捉えている。
データセットには22の個人、4つの接続された屋内環境、7つのカメラが含まれている。
私たちは5時間以上のビデオを半自動でラベル付けして、アイデンティティアノテーション付きで100万のバウンディングボックスを生成しました。
この総合的なベンチマークを導入することで、困難で長期の現実のシナリオで確実に実行可能なRe-IDアルゴリズムの開発と評価を容易にすることを目指している。
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) - ENTIRe-ID: An Extensive and Diverse Dataset for Person Re-Identification [0.46040036610482665]
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。
論文 参考訳（メタデータ） (2024-05-30T20:26:47Z) - ConsistentID: Portrait Generation with Multimodal Fine-Grained Identity Preserving [64.90148669690228]
ConsistentIDは、微細なマルチモーダル顔のプロンプト下での多彩な画像生成のための革新的な手法である。
我々は、50万以上の顔画像を持つ、きめ細かいポートレートデータセットFGIDを提示し、既存の顔データセットよりも多様性と包括性を提供する。
論文 参考訳（メタデータ） (2024-04-25T17:23:43Z) - 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) - 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) - 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) - Semantic Consistency and Identity Mapping Multi-Component Generative
Adversarial Network for Person Re-Identification [39.605062525247135]
本稿では,1つのドメインから複数のドメインへのスタイル適応を提供する,意味一貫性とアイデンティティマッピングの多成分生成対向ネットワーク(SC-IMGAN)を提案する。
提案手法は,6つの挑戦的人物リidデータセットにおける最先端技術よりも優れている。
論文 参考訳（メタデータ） (2021-04-28T14:12:29Z) - Person Re-identification based on Robust Features in Open-world [0.0]
既存の再ID研究の欠点を解決するために、低コストで高効率な手法を提案します。
グループ畳み込みによるポーズ推定モデルに基づく歩行者の連続キーポイント獲得手法を提案する。
本手法は, ランク-1: 60.9%, ランク-5: 78.1%, mAP: 49.2%を達成した。
論文 参考訳（メタデータ） (2021-02-22T06:49:28Z) - 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) - Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal
Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。
実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文 参考訳（メタデータ） (2020-01-14T17:43:52Z) - 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。