論文の概要: Causality and "In-the-Wild" Video-Based Person Re-ID: A Survey

• arxiv url: http://arxiv.org/abs/2505.20540v2
• Date: Wed, 28 May 2025 10:53:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 12:33:41.760366
• Title: Causality and "In-the-Wild" Video-Based Person Re-ID: A Survey
• Title（参考訳）: 因果関係と「中間者」ビデオベース人物のリID:調査
• Authors: Md Rashidunnabi, Kailash Hambarde, Hugo Proença,
• Abstract要約: ビデオベースの人物識別(Re-ID)は、目覚ましいベンチマークパフォーマンスにもかかわらず、実際のデプロイメントでは不安定である。 本研究は,従来の相関に基づくアプローチの原則的代替として,因果推論の新たな役割について考察する。
• 参考スコア（独自算出の注目度）: 14.370360290704197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video-based person re-identification (Re-ID) remains brittle in real-world deployments despite impressive benchmark performance. Most existing models rely on superficial correlations such as clothing, background, or lighting that fail to generalize across domains, viewpoints, and temporal variations. This survey examines the emerging role of causal reasoning as a principled alternative to traditional correlation-based approaches in video-based Re-ID. We provide a structured and critical analysis of methods that leverage structural causal models, interventions, and counterfactual reasoning to isolate identity-specific features from confounding factors. The survey is organized around a novel taxonomy of causal Re-ID methods that spans generative disentanglement, domain-invariant modeling, and causal transformers. We review current evaluation metrics and introduce causal-specific robustness measures. In addition, we assess practical challenges of scalability, fairness, interpretability, and privacy that must be addressed for real-world adoption. Finally, we identify open problems and outline future research directions that integrate causal modeling with efficient architectures and self-supervised learning. This survey aims to establish a coherent foundation for causal video-based person Re-ID and to catalyze the next phase of research in this rapidly evolving domain.
• Abstract（参考訳）: ビデオベースの人物識別(Re-ID)は、目覚ましいベンチマークパフォーマンスにもかかわらず、実際のデプロイメントでは不安定である。 既存のモデルの多くは、衣服、背景、照明などの表面的相関に頼っており、領域、視点、時間的変動を一般化できない。 本研究では、ビデオベースのRe-IDにおける従来の相関に基づくアプローチの代替として、因果推論の新たな役割について検討する。 本研究では, 構造因果モデル, 介入, および反ファクト的推論を利用した構造的かつ批判的な手法の解析を行い, 同一性固有の特徴を相違要因から分離する。 この調査は、生成的不整合、ドメイン不変モデリング、因果トランスフォーマーにまたがる因果Re-IDメソッドの新しい分類法を中心に組織されている。 我々は,現在の評価基準を概観し,因果性特異的ロバストネス尺度を導入する。 さらに、実際の採用に対処する必要があるスケーラビリティ、公正性、解釈可能性、プライバシの実践的な課題を評価します。 最後に、オープンな問題を特定し、因果モデリングと効率的なアーキテクチャと自己教師型学習を統合する今後の研究の方向性を概説する。 この調査は、因果的ビデオベースの人物Re-IDのコヒーレントな基盤を確立し、この急速に発展する領域における研究の次のフェーズを触媒することを目的としている。

関連論文リスト

• Time Series Domain Adaptation via Latent Invariant Causal Mechanism [28.329164754662354]
  時系列領域適応は、ラベル付けされたソースドメインからラベル付けされていないターゲットドメインに複雑な時間依存性を転送することを目的としている。 近年の進歩は、観測変数に対する安定した因果機構を利用して、ドメイン不変時間依存をモデル化している。 しかし、ビデオのような高次元データにおける正確な因果構造をモデル化することは依然として困難である。
  論文  参考訳（メタデータ） (2025-02-23T16:25:58Z)
• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Identifiable Latent Polynomial Causal Models Through the Lens of Change [82.14087963690561]
  因果表現学習は、観測された低レベルデータから潜在的な高レベル因果表現を明らかにすることを目的としている。 主な課題の1つは、識別可能性(identifiability)として知られるこれらの潜伏因果モデルを特定する信頼性の高い保証を提供することである。
  論文  参考訳（メタデータ） (2023-10-24T07:46:10Z)
• Learning Domain Invariant Representations for Generalizable Person Re-Identification [71.35292121563491]
  ReID(Generalizable person Re-Identification)は、最近のコンピュータビジョンコミュニティで注目を集めている。 DIR-ReID(Domain Invariant Representations for Generalizable Person Re-Identification)という新しい一般化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-29T18:59:48Z)

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。