論文の概要: PSGait: Multimodal Gait Recognition using Parsing Skeleton

• arxiv url: http://arxiv.org/abs/2503.12047v1
• Date: Sat, 15 Mar 2025 08:38:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:31:34.514323
• Title: PSGait: Multimodal Gait Recognition using Parsing Skeleton
• Title（参考訳）: PSGait:パーシング骨格を用いたマルチモーダル歩行認識
• Authors: Hangrui Xu, Chuanrui Zhang, Zhengxian Wu, Peng Jiao, Haoqian Wang,
• Abstract要約: 本研究では,野生における歩行の正確な認識を実現するために,Parsing Skeletonという新しい歩行表現を提案する。 また,新しい解析スケルトンに基づく歩行認識フレームワークPSGaitを提案し,解析スケルトンとシルエットを入力として利用する。 プラグアンドプレイ方式として、PSGaitは様々な歩行認識モデルで最大10.9%のランク1精度向上を実現している。
• 参考スコア（独自算出の注目度）: 11.899411968690185
• License:
• Abstract: Gait recognition has emerged as a robust biometric modality due to its non-intrusive nature and resilience to occlusion. Conventional gait recognition methods typically rely on silhouettes or skeletons. Despite their success in gait recognition for controlled laboratory environments, they usually fail in real-world scenarios due to their limited information entropy for gait representations. To achieve accurate gait recognition in the wild, we propose a novel gait representation, named Parsing Skeleton. This representation innovatively introduces the skeleton-guided human parsing method to capture fine-grained body dynamics, so they have much higher information entropy to encode the shapes and dynamics of fine-grained human parts during walking. Moreover, to effectively explore the capability of the parsing skeleton representation, we propose a novel parsing skeleton-based gait recognition framework, named PSGait, which takes parsing skeletons and silhouettes as input. By fusing these two modalities, the resulting image sequences are fed into gait recognition models for enhanced individual differentiation. We conduct comprehensive benchmarks on various datasets to evaluate our model. PSGait outperforms existing state-of-the-art multimodal methods. Furthermore, as a plug-and-play method, PSGait leads to a maximum improvement of 10.9% in Rank-1 accuracy across various gait recognition models. These results demonstrate the effectiveness and versatility of parsing skeletons for gait recognition in the wild, establishing PSGait as a new state-of-the-art approach for multimodal gait recognition.
• Abstract（参考訳）: 歩行認識は、非侵入的な性質と閉塞に対するレジリエンスのため、頑健な生体計測モダリティとして現れている。 伝統的な歩行認識法は典型的にはシルエットや骨格に依存している。 制御された実験室環境における歩行認識の成功にもかかわらず、歩行表現のための限られた情報エントロピーのため、現実のシナリオでは失敗する。 野生で正確な歩行認識を実現するために,Parsing Skeletonという新しい歩行表現を提案する。 この表現は、スケルトン誘導の人体解析法を革新的に導入し、細粒度体の力学を捉えることによって、歩行中に細粒度の人間の部位の形状や力学をエンコードする情報エントロピーをはるかに高めている。 さらに, 解析スケルトン表現の能力を効果的に探求するために, 解析スケルトンとシルエットを入力として利用するPSGaitという, 解析スケルトンに基づく歩行認識フレームワークを提案する。 これら2つのモダリティを融合させることで、得られた画像列を歩行認識モデルに入力し、個人差を増大させる。 モデルを評価するために、さまざまなデータセットの包括的なベンチマークを実施します。 PSGaitは、既存の最先端のマルチモーダルメソッドより優れている。 さらに、PSGaitはプラグ・アンド・プレイ法として、様々な歩行認識モデルにおいて最大10.9%のランク1精度の向上をもたらす。 これらの結果は,マルチモーダル歩行認識のための新しい最先端アプローチとしてPSGaitが確立された野生における歩行認識における解析スケルトンの有効性と汎用性を示すものである。

関連論文リスト

• It Takes Two: Accurate Gait Recognition in the Wild via Cross-granularity Alignment [72.75844404617959]
  本稿では,XGait という新しい粒度アライメント歩行認識手法を提案する。 この目的を達成するために、XGaitはまず2つのバックボーンエンコーダの分岐を含み、シルエットシーケンスとパーシングシーケンスを2つの潜在空間にマッピングする。 2つの大規模な歩行データセットの総合的な実験では、ランク1の精度が80.5%、CCPGが88.3%である。
  論文  参考訳（メタデータ） (2024-11-16T08:54:27Z)
• ZipGait: Bridging Skeleton and Silhouette with Diffusion Model for Advancing Gait Recognition [31.732554267037305]
  拡散モデルを用いて, 個々の骨格分布から高密度な体形を復元する試みを初めて行った。 PGI(Perception Gait Integration)を導入し、異なる歩行機能を2段階のプロセスで統合する。 ZipGaitは、クロスドメインとイントラドメインの両方の設定において、最先端のメソッドよりも大きなマージンでパフォーマンスを向上する。
  論文  参考訳（メタデータ） (2024-08-22T03:52:44Z)
• GaitMA: Pose-guided Multi-modal Feature Fusion for Gait Recognition [26.721242606715354]
  歩行認識は、歩行パターンを通して人間の身元を認識する生体計測技術である。 我々は、Gait Multi-model Aggregation Network (GaitMA)と呼ばれる新しい歩行認識フレームワークを提案する。 まず, 2つのCNN特徴抽出器を用いて, シルエットと骨格の特徴を抽出した。
  論文  参考訳（メタデータ） (2024-07-20T09:05:17Z)
• SkeleTR: Towrads Skeleton-based Action Recognition in the Wild [86.03082891242698]
  SkeleTRは骨格に基づく行動認識のための新しいフレームワークである。 まず、グラフ畳み込みによる各骨格配列の人体内骨格力学をモデル化する。 次に、スタック化されたTransformerエンコーダを使用して、一般的なシナリオにおけるアクション認識に重要な人物のインタラクションをキャプチャする。
  論文  参考訳（メタデータ） (2023-09-20T16:22:33Z)
• Parsing is All You Need for Accurate Gait Recognition in the Wild [51.206166843375364]
  本稿では,GPS(Gait Parsing Sequence)という新しい歩行表現を提案する。 GPSは、ビデオフレームから抽出された微細な人間のセグメンテーションのシーケンスなので、より高い情報エントロピーを持つ。 また,ParsingGaitという,新しいパーシングに基づく歩行認識フレームワークを提案する。 実験結果から,GPS表現による精度の向上とParsingGaitの優越性が示唆された。
  論文  参考訳（メタデータ） (2023-08-31T13:57:38Z)
• GaitPT: Skeletons Are All You Need For Gait Recognition [4.089889918897877]
  我々は、Gait Pyramid Transformer (GaitPT) と呼ばれる新しい歩行認識アーキテクチャを提案する。 GaitPTはポーズ推定スケルトンを使用して、外観情報に頼ることなく、ユニークな歩行パターンをキャプチャする。 以上の結果から,GaitPTは,他の骨格に基づく歩行認識技術と比較して最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-08-21T10:47:52Z)
• 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)
• One-Shot Action Recognition via Multi-Scale Spatial-Temporal Skeleton Matching [77.6989219290789]
  ワンショットスケルトン行動認識は、単一のトレーニングサンプルでスケルトン行動認識モデルを学ぶことを目的としている。 本稿では,マルチスケールな時空間特徴マッチングによる骨格行動認識を行う新しい一発骨格行動認識手法を提案する。
  論文  参考訳（メタデータ） (2023-07-14T11:52:10Z)
• SimMC: Simple Masked Contrastive Learning of Skeleton Representations for Unsupervised Person Re-Identification [63.903237777588316]
  SimMC(Simple Masked Contrastive Learning)フレームワークを提案する。 具体的には、各骨格配列内の骨格の特徴を完全に活用するために、まずマスク付きプロトタイプコントラスト学習(MPC)方式を考案する。 そこで我々は,サブシーケンス間のシーケンス内パターンの整合性を捉えるために,マスク付きシーケンス内コントラスト学習(MIC)を提案する。
  論文  参考訳（メタデータ） (2022-04-21T00:19:38Z)
• Towards a Deeper Understanding of Skeleton-based Gait Recognition [4.812321790984493]
  近年、ほとんどの歩行認識法は、人のシルエットを使って歩行の特徴を抽出している。 モデルに基づく手法はこれらの問題に悩まされず、身体関節の時間運動を表現することができる。 本研究では,高次入力と残差ネットワークを組み合わせたグラフ畳み込みネットワーク(GCN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-16T18:23:37Z)
• Predictively Encoded Graph Convolutional Network for Noise-Robust Skeleton-based Action Recognition [6.729108277517129]
  本研究では,骨格特徴の雑音情報に対して頑健な骨格に基づく行動認識手法を提案する。 本手法は, 既存の最先端手法と比較して, スケルトンサンプルがノイズを受ける場合の優れた性能を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:37:36Z)

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。