論文の概要: CarGait: Cross-Attention based Re-ranking for Gait recognition

• arxiv url: http://arxiv.org/abs/2503.03501v1
• Date: Wed, 05 Mar 2025 13:47:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:52:01.649684
• Title: CarGait: Cross-Attention based Re-ranking for Gait recognition
• Title（参考訳）: CarGait: 歩行認識のためのクロスアテンションベースの再ランク
• Authors: Gavriel Habib, Noa Barzilay, Or Shimshi, Rami Ben-Ari, Nir Darshan,
• Abstract要約: 歩行認識は、歩行パターンに基づいて個人を特定するコンピュータビジョンタスクである。 既存のモデルは通常単段で、すなわちギャラリーで探査機の最も近い隣人を探す。 歩行認識のためのクロスアテンション・リグレード手法であるCarGaitを紹介する。
• 参考スコア（独自算出の注目度）: 4.334105740533729
• License:
• Abstract: Gait recognition is a computer vision task that identifies individuals based on their walking patterns. Gait recognition performance is commonly evaluated by ranking a gallery of candidates and measuring the accuracy at the top Rank-$K$. Existing models are typically single-staged, i.e. searching for the probe's nearest neighbors in a gallery using a single global feature representation. Although these models typically excel at retrieving the correct identity within the top-$K$ predictions, they struggle when hard negatives appear in the top short-list, leading to relatively low performance at the highest ranks (e.g., Rank-1). In this paper, we introduce CarGait, a Cross-Attention Re-ranking method for gait recognition, that involves re-ordering the top-$K$ list leveraging the fine-grained correlations between pairs of gait sequences through cross-attention between gait strips. This re-ranking scheme can be adapted to existing single-stage models to enhance their final results. We demonstrate the capabilities of CarGait by extensive experiments on three common gait datasets, Gait3D, GREW, and OU-MVLP, and seven different gait models, showing consistent improvements in Rank-1,5 accuracy, superior results over existing re-ranking methods, and strong baselines.
• Abstract（参考訳）: 歩行認識は、歩行パターンに基づいて個人を特定するコンピュータビジョンタスクである。 歩行認識性能は、一般的に、候補者のギャラリーをランク付けし、上位ランクのK$で精度を測定することで評価される。 既存のモデルは通常、単一のグローバルな特徴表現を使用して、ギャラリーで探査機の最も近い隣人を探索する単一ステージである。 これらのモデルは、通常、上位の$K$の予測内で正しいアイデンティティを取得するのに優れているが、上位のショートリストにハードネガティブが現れるのに苦労し、最高ランク(例えば、ランク1)での比較的低いパフォーマンスに繋がる。 本稿では,歩行ストリップ間のクロスアテンションを通じて歩行列間の微粒な相関を利用して,トップ$K$リストを並べ替える,歩行認識のためのクロスアテンション・リグレード手法であるCarGaitを紹介する。 この再分類スキームは、最終的な結果を高めるために既存のシングルステージモデルに適応することができる。 GREWとOU-MVLPの3つの共通の歩行データセットと、7つの異なる歩行モデルについて、CarGaitの性能実験を行い、Ranc-1,5の精度が一貫した改善、既存手法よりも優れた結果、強力なベースラインを示した。

関連論文リスト

• Advancing Adversarial Suffix Transfer Learning on Aligned Large Language Models [21.96773736059112]
  言語モデル(LLM)は、悪意のあるユーザによる誤用による安全性上の懸念に直面している。 近年のレッドチームの取り組みは、勾配に基づく探索アルゴリズムGreedy Coordinate Gradient (GCG) を用いて、LDMをジェイルブレイクできる敵サフィックスを特定している。 本稿では,2段階の移動学習フレームワークであるDeGCGを提案する。
  論文  参考訳（メタデータ） (2024-08-27T08:38:48Z)
• Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
  本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。 GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。 室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
  論文  参考訳（メタデータ） (2023-07-27T01:53:57Z)
• Learning Gait Representation from Massive Unlabelled Walking Videos: A Benchmark [11.948554539954673]
  コントラスト学習を伴う歩行認識のための大規模自己教師付きベンチマークを提案する。 1.02万個の歩行シーケンスからなる大規模歩行データセットGaitLU-1Mを収集した。 そこで我々は, CASIA-B, OU-M, GREW, Gait3D の4つの広く使用されている歩行指標を用いて, 事前学習モデルの評価を行った。
  論文  参考訳（メタデータ） (2022-06-28T12:33:42Z)
• 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)
• GNNRank: Learning Global Rankings from Pairwise Comparisons via Directed Graph Neural Networks [68.61934077627085]
  本稿では,グラフ埋め込みを学習可能なGNNと互換性のあるモデリングフレームワークであるGNNRankを紹介する。 既存の手法と比較して,我々の手法が競争力があり,しばしば優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-02-01T04:19:50Z)
• Instance-Level Relative Saliency Ranking with Graph Reasoning [126.09138829920627]
  そこで本研究では,有意な事例を分割し,相対的有意な有意なランク順序を推定するための統一モデルを提案する。 また、サラレンシーランキングブランチを効果的にトレーニングするために、新しい損失関数も提案されている。 実験の結果,提案手法は従来の手法よりも有効であることがわかった。
  論文  参考訳（メタデータ） (2021-07-08T13:10:42Z)
• SelfGait: A Spatiotemporal Representation Learning Method for Self-supervised Gait Recognition [24.156710529672775]
  歩行認識は、歩行が距離で認識することができるユニークな生体測定機能であるため、人間の識別に重要な役割を果たします。 既存の歩行認識法は歩行系列から歩行特徴を異なる方法で学習することができるが、歩行認識の性能はラベル付きデータに苦しむ。 本研究では, 事前学習プロセスとして, 多種多様でラベルなしの歩行データを活用した自己監視歩行認識手法であるSelfGaitを提案する。
  論文  参考訳（メタデータ） (2021-03-27T05:15:39Z)
• Interpretable Learning-to-Rank with Generalized Additive Models [78.42800966500374]
  ラーニング・ツー・ランクのモデルの解釈可能性は、非常に重要でありながら、比較的過小評価されている研究分野である。 解釈可能なランキングモデルの最近の進歩は、主に既存のブラックボックスランキングモデルに対するポストホックな説明の生成に焦点を当てている。 一般化加法モデル(GAM)をランキングタスクに導入することにより,本質的に解釈可能な学習 to ランクの基盤を築いた。
  論文  参考訳（メタデータ） (2020-05-06T01:51:30Z)
• Document Ranking with a Pretrained Sequence-to-Sequence Model [56.44269917346376]
  関連ラベルを「ターゲット語」として生成するためにシーケンス・ツー・シーケンス・モデルをどのように訓練するかを示す。 提案手法は,データポーラ方式におけるエンコーダのみのモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-03-14T22:29:50Z)

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。