論文の概要: Unsupervised Pelage Pattern Unwrapping for Animal Re-identification

• arxiv url: http://arxiv.org/abs/2506.15369v1
• Date: Wed, 18 Jun 2025 11:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.641891
• Title: Unsupervised Pelage Pattern Unwrapping for Animal Re-identification
• Title（参考訳）: 動物再同定のための教師なしペラージュパターンアンラッピング
• Authors: Aleksandr Algasov, Ekaterina Nepovinnykh, Fedor Zolotarev, Tuomas Eerola, Heikki Kälviäinen, Pavel Zemčík, Charles V. Stewart,
• Abstract要約: 本研究では,動物の皮膚や毛皮に特徴的なマーキングであるペラージパターンを標準紫外線空間に解き放つ幾何学的テクスチャマッピング手法を提案する。 本手法は3次元表面と2次元テクスチャ空間との幾何的整合性を保ちながら, 開裂過程の導出に表面正規推定を用いる。 シールとヒョウのデータセットの実験では、再識別精度が5.4%向上した。
• 参考スコア（独自算出の注目度）: 36.37275024049744
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing individual re-identification methods often struggle with the deformable nature of animal fur or skin patterns which undergo geometric distortions due to body movement and posture changes. In this paper, we propose a geometry-aware texture mapping approach that unwarps pelage patterns, the unique markings found on an animal's skin or fur, into a canonical UV space, enabling more robust feature matching. Our method uses surface normal estimation to guide the unwrapping process while preserving the geometric consistency between the 3D surface and the 2D texture space. We focus on two challenging species: Saimaa ringed seals (Pusa hispida saimensis) and leopards (Panthera pardus). Both species have distinctive yet highly deformable fur patterns. By integrating our pattern-preserving UV mapping with existing re-identification techniques, we demonstrate improved accuracy across diverse poses and viewing angles. Our framework does not require ground truth UV annotations and can be trained in a self-supervised manner. Experiments on seal and leopard datasets show up to a 5.4% improvement in re-identification accuracy.
• Abstract（参考訳）: 既存の個々の再同定法は、身体の動きや姿勢の変化による幾何学的歪みを受ける動物の毛皮や皮膚パターンの変形性に苦しむことが多い。 本稿では,動物の皮膚や毛皮に特徴的なマーキングであるペラージパターンを標準紫外線空間に解き放つことで,より堅牢な特徴マッチングを可能にする幾何学的テクスチャマッピング手法を提案する。 本手法は3次元表面と2次元テクスチャ空間との幾何的整合性を保ちながら, 開裂過程の導出に表面正規推定を用いる。 本研究は,シマヤのアザラシ (Pusa hispida saimensis) とヒョウ (Panthera pardus) の2種に着目した。 どちらの種も特徴的であるが、非常に変形しやすい毛皮のパターンを持つ。 パターン保存型紫外線マッピングを既存の再同定技術と統合することにより、様々なポーズや視角の精度の向上を実証する。 我々のフレームワークは、地上の真実のUVアノテーションを必要とせず、自己管理的な方法で訓練することができる。 シールとヒョウのデータセットの実験では、再識別精度が5.4%向上した。

関連論文リスト

• Animal Avatars: Reconstructing Animatable 3D Animals from Casual Videos [26.65191922949358]
  モノクロビデオからアニマタブルな犬用アバターを構築する方法を提案する。 動物は様々な(予測不可能な)非剛体運動を示し、外観の詳細を持っているため、これは難しい。 我々は,動物のポーズの変化と外観を共同で解決する4Dソリューションを用いて,映像フレームをリンクする手法を開発した。
  論文  参考訳（メタデータ） (2024-03-25T18:41:43Z)
• Exploring Shape Embedding for Cloth-Changing Person Re-Identification via 2D-3D Correspondences [9.487097819140653]
  布を交換するReIDのための新しい形状埋め込みパラダイムを提案する。 2D-3D対応に基づく形状埋め込みパラダイムは、モデル全体の人体形状の理解を著しく向上させる。 衣料品着替え時のReID研究を促進するため,初となる大規模布質変化型ReIDデータセットである3D Dense Persons (DP3D) を構築した。
  論文  参考訳（メタデータ） (2023-10-27T19:26:30Z)
• Normal-guided Garment UV Prediction for Human Re-texturing [45.710312986737975]
  3次元再構成を行なわずに、人間の着飾った画像や動画を編集できることが示される。 当社のアプローチでは, 衣服の基本的な形状を自己監督的に捉えている。 提案手法は, 実データと合成データの両方において, 最先端のUVマップ推定手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-11T22:18:18Z)
• LASSIE: Learning Articulated Shapes from Sparse Image Ensemble via 3D Part Discovery [72.3681707384754]
  そこで,本研究では,特定の動物種について,数枚の画像のみを用いて,動物の3次元ポーズと形状を推定する現実的な問題設定を提案する。 我々は2Dや3Dの地平線アノテーションを前提としないし、多視点や時間的情報も利用しない。 そこで本研究では,3次元部品を自己監督的に発見する新しい最適化フレームワークLASSIEを提案する。
  論文  参考訳（メタデータ） (2022-07-07T17:00:07Z)
• Pose with Style: Detail-Preserving Pose-Guided Image Synthesis with Conditional StyleGAN [88.62422914645066]
  任意のポーズで1つの画像から人物を再レンダリングするアルゴリズムを提案する。 既存の方法では、画像の同一性や細部を保ちながら、隠蔽されたコンテンツを写実的に幻覚することはしばしば困難である。 本手法は, 定量的評価と視覚的比較の両方において, 最先端のアルゴリズムと良好に比較できることを示す。
  論文  参考訳（メタデータ） (2021-09-13T17:59:33Z)
• SCANimate: Weakly Supervised Learning of Skinned Clothed Avatar Networks [54.94737477860082]
  本論文では,着る人間の生の3Dスキャンをイメージ可能なアバターに変える,エンドツーエンドのトレーニング可能なフレームワークを提案する。 SCANimateはカスタマイズされたメッシュテンプレートや表面メッシュ登録に依存しません。 本手法はポーズ認識型外観モデルに適用でき,完全にテクスチャ化されたアバターを生成できる。
  論文  参考訳（メタデータ） (2021-04-07T17:59:58Z)
• Facial UV Map Completion for Pose-invariant Face Recognition: A Novel Adversarial Approach based on Coupled Attention Residual UNets [3.999563862575646]
  本稿では,UVマップの完成度を向上させるために,Attention ResCUNet-GANと呼ばれる新しい生成モデルを提案する。 提案手法は既存手法に比べて優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2020-11-02T11:46:42Z)
• Unsupervised Shape and Pose Disentanglement for 3D Meshes [49.431680543840706]
  本研究では,非教師付き環境において,非教師付き形状とポーズ表現を学習するための,シンプルで効果的なアプローチを提案する。 自己整合性と相互整合性の制約を組み合わせて、登録メッシュからポーズと空間の形状を学ぶ。 ポーズ転送や形状検索などのタスクを通じて,学習した表現の有用性を示す。
  論文  参考訳（メタデータ） (2020-07-22T11:00:27Z)

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。