論文の概要: DAGait: Generalized Skeleton-Guided Data Alignment for Gait Recognition

• arxiv url: http://arxiv.org/abs/2503.18830v1
• Date: Mon, 24 Mar 2025 16:08:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:35:27.960865
• Title: DAGait: Generalized Skeleton-Guided Data Alignment for Gait Recognition
• Title（参考訳）: DAGait: 歩行認識のための一般化された骨格誘導データアライメント
• Authors: Zhengxian Wu, Chuanrui Zhang, Hangrui Xu, Peng Jiao, Haoqian Wang,
• Abstract要約: 本研究では,骨格の事前知識を用いて,対応するシルエット上でアフィン変換を行う骨格誘導型シルエットアライメント戦略を提案する。 提案手法は、最大24.0%の精度で、クロスドメインデータセットを大幅に改善する。
• 参考スコア（独自算出の注目度）: 11.899411968690185
• License:
• Abstract: Gait recognition is emerging as a promising and innovative area within the field of computer vision, widely applied to remote person identification. Although existing gait recognition methods have achieved substantial success in controlled laboratory datasets, their performance often declines significantly when transitioning to wild datasets.We argue that the performance gap can be primarily attributed to the spatio-temporal distribution inconsistencies present in wild datasets, where subjects appear at varying angles, positions, and distances across the frames. To achieve accurate gait recognition in the wild, we propose a skeleton-guided silhouette alignment strategy, which uses prior knowledge of the skeletons to perform affine transformations on the corresponding silhouettes.To the best of our knowledge, this is the first study to explore the impact of data alignment on gait recognition. We conducted extensive experiments across multiple datasets and network architectures, and the results demonstrate the significant advantages of our proposed alignment strategy.Specifically, on the challenging Gait3D dataset, our method achieved an average performance improvement of 7.9% across all evaluated networks. Furthermore, our method achieves substantial improvements on cross-domain datasets, with accuracy improvements of up to 24.0%.
• Abstract（参考訳）: 歩行認識はコンピュータビジョンの分野において有望で革新的な領域として現れており、遠隔者識別に広く応用されている。 既存の歩行認識法は, 制御された実験室データセットにおいて大きな成功を収めているが, その性能は野生データセットへの移行時に著しく低下することが多い。 野生での正確な歩行認識を実現するために,骨格の事前知識を用いて対応するシルエットのアフィン変換を行う骨格誘導シルエットアライメント戦略を提案する。 我々は,複数のデータセットとネットワークアーキテクチャにわたる広範な実験を行い,提案したアライメント戦略の顕著なメリットを実証した。特に,挑戦的なGait3Dデータセットでは,評価対象ネットワーク全体で平均7.9%の性能向上を達成した。 さらに,提案手法は,最大24.0%の精度でクロスドメインデータセットを大幅に改善する。

関連論文リスト

• A Bidirectional Siamese Recurrent Neural Network for Accurate Gait Recognition Using Body Landmarks [1.4019041243188557]
  歩行認識に関わる課題に対処し、その精度と信頼性を改善するための新しいアプローチを提案する。 提案手法は,Mediapipeのポーズ推定モデルを用いて得られた連続歩行ランドマークを含む高度な手法を利用する。 大規模なクロスビューデータセットを用いて,アプローチの有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2024-12-04T17:39:55Z)
• GCAM: Gaussian and causal-attention model of food fine-grained recognition [5.198198193921202]
  本稿では,細粒度物体認識のためのガウス的・因果的アテンションモデルを提案する。 不均一なデータ分布から生じるデータドリフトに対処するために、我々は反実的推論アプローチを採用する。 実験により,GCAMはETH-FOOD101, UECFOOD256, Vireo-FOOD172データセットの最先端手法を上回ることがわかった。
  論文  参考訳（メタデータ） (2024-03-18T03:39:54Z)
• 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)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• 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)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• GAN-Supervised Dense Visual Alignment [95.37027391102684]
  本稿では,識別モデル学習のためのフレームワークであるGAN-Supervised Learningと,GAN生成した学習データをエンドツーエンドで共同で学習する手法を提案する。 従来のCongealing法にインスパイアされた我々のGANgealingアルゴリズムは、Spatial Transformerを訓練し、不整合データに基づいて訓練されたGANのランダムなサンプルを共通の目標モードにマッピングする。
  論文  参考訳（メタデータ） (2021-12-09T18:59:58Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• Joint Deep Cross-Domain Transfer Learning for Emotion Recognition [46.322012908885775]
  本稿では、リッチデータセットから学習した知識をソース・プールデータセットに共同で転送する学習戦略を提案する。 また,本手法は,認識性能の向上につながるクロスドメインな特徴を学習することができる。
  論文  参考訳（メタデータ） (2020-03-24T22:30:42Z)

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。