論文の概要: Mind the Gap: Bridging Occlusion in Gait Recognition via Residual Gap Correction
- arxiv url: http://arxiv.org/abs/2507.10978v1
- Date: Tue, 15 Jul 2025 04:45:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:02.981303
- Title: Mind the Gap: Bridging Occlusion in Gait Recognition via Residual Gap Correction
- Title（参考訳）: マインド・ザ・ギャップ:残差ギャップ補正による歩行認識におけるブリッジングオクルージョン
- Authors: Ayush Gupta, Siyuan Huang, Rama Chellappa,
- Abstract要約: RG-Gaitを提案する。これは、総体的保持を伴う閉塞歩行認識のための残差補正法である。
残差の学習は,総体的保持を伴う閉塞歩行認識に対処する有効な手法であることが示唆された。
- 参考スコア（独自算出の注目度）: 57.75544235445363
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gait is becoming popular as a method of person re-identification because of its ability to identify people at a distance. However, most current works in gait recognition do not address the practical problem of occlusions. Among those which do, some require paired tuples of occluded and holistic sequences, which are impractical to collect in the real world. Further, these approaches work on occlusions but fail to retain performance on holistic inputs. To address these challenges, we propose RG-Gait, a method for residual correction for occluded gait recognition with holistic retention. We model the problem as a residual learning task, conceptualizing the occluded gait signature as a residual deviation from the holistic gait representation. Our proposed network adaptively integrates the learned residual, significantly improving performance on occluded gait sequences without compromising the holistic recognition accuracy. We evaluate our approach on the challenging Gait3D, GREW and BRIAR datasets and show that learning the residual can be an effective technique to tackle occluded gait recognition with holistic retention.
- Abstract（参考訳）: ゲイトは、遠くにいる人を識別する能力から、人を再識別する方法として人気を博している。
しかし、歩行認識における現在のほとんどの研究は、咬合の実践的な問題に対処していない。
そのうちのいくつかは、隠蔽配列と包括配列のペアタプルを必要とするが、これは現実の世界で収集するには実用的ではない。
さらに、これらのアプローチはオクルージョンに作用するが、全体論的入力の性能を維持することができない。
これらの課題に対処するため,本論文では,包括的保持を伴う歩行認識のための残差補正法であるRG-Gaitを提案する。
本稿では,残差学習課題としての問題をモデル化し,包括歩行表現からの残留偏差として,隠蔽歩行シグネチャを概念化する。
提案するネットワークは,学習残差を適応的に統合し,総合的認識精度を損なうことなく,閉鎖歩行系列の性能を著しく向上させる。
筆者らは,Gait3D,GREW,BRIARのデータセットに挑戦するアプローチを評価し,残差の学習が全体的保持を伴う閉鎖歩行認識に対処する有効な手法であることを示す。
関連論文リスト
- GaitAdapt: Continual Learning for Evolving Gait Recognition [8.11771678547237]
本稿では,歩行認識能力の段階的向上を支援する連続歩行認識タスクであるGaitAdaptを提案する。
また,歩行認識のための非再生連続学習手法であるGaitAdapterを提案する。
GitAdapterは、さまざまなタスクから取得した歩行知識を効果的に保持する。
論文 参考訳（メタデータ） (2025-08-05T12:26:52Z) - EyeSeg: An Uncertainty-Aware Eye Segmentation Framework for AR/VR [58.33693755009173]
EyeSegは拡張現実(AR)と仮想現実(VR)のための不確実性を認識したアイセグメンテーションフレームワーク
我々は,従来のアプローチを超越したMIoU,E1,F1,ACCのセグメンテーション改善を実現していることを示す。
論文 参考訳（メタデータ） (2025-07-13T14:33:10Z) - MimicGait: A Model Agnostic approach for Occluded Gait Recognition using Correlational Knowledge Distillation [40.75942030089628]
我々は,オクルージョンの存在下で歩行認識のためのモデルに依存しないアプローチであるMimicGaitを提案する。
対象者の閉鎖歩行パターンにおけるシーケンス間相関とシーケンス内相関の両方を捉えるために,マルチインスタンス相関蒸留損失を用いてネットワークを訓練する。
我々は,GREW,Gait3D,BRIARといった実世界のデータセットに対するアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2025-01-26T20:23:44Z) - Causality-inspired Discriminative Feature Learning in Triple Domains for Gait Recognition [36.55724380184354]
CLTDは、三重ドメイン、すなわち空間、時間、スペクトルにおける共同創設者の影響を排除するために設計された識別的特徴学習モジュールである。
具体的には、Cross Pixel-wise Attention Generator (CPAG)を用いて、空間的および時間的領域における実物的特徴と反物的特徴の注意分布を生成する。
次に、FPH(Fourier Projection Head)を導入し、空間的特徴をスペクトル空間に投影し、計算コストを低減しつつ重要な情報を保存する。
論文 参考訳（メタデータ） (2024-07-17T12:16:44Z) - You Can Run but not Hide: Improving Gait Recognition with Intrinsic
Occlusion Type Awareness [48.151855620080134]
蓄積された身体部分は、制御されていない屋外シーケンスの歩行認識に影響を及ぼす可能性がある。
現在のほとんどの方法は、歩行特徴を抽出しながら、完全な身体情報が得られると仮定している。
そこで,本研究では,内在性咬合認知を任意の最先端歩行認識手法にモデル化することのできる咬合認知歩行認識手法を提案する。
論文 参考訳（メタデータ） (2023-12-04T19:11:40Z) - Magnitude Matters: Fixing SIGNSGD Through Magnitude-Aware Sparsification
in the Presence of Data Heterogeneity [60.791736094073]
通信オーバーヘッドは、ディープニューラルネットワークの分散トレーニングにおいて、大きなボトルネックのひとつになっています。
本稿では,SIGNSGDの非収束問題に対処する等級化方式を提案する。
提案手法は,Fashion-MNIST, CIFAR-10, CIFAR-100データセットを用いて検証した。
論文 参考訳（メタデータ） (2023-02-19T17:42:35Z) - Byzantine-Robust Learning on Heterogeneous Data via Gradient Splitting [58.91947205027892]
フェデレーテッド・ラーニングはビザンツの攻撃に対する脆弱性を示している。
ビザンティン攻撃者は、任意の勾配を中央サーバに送ることで、グローバルモデルの収束と性能を破壊することができる。
アグレゲーション・ルール(AGR)は、ビザンツの攻撃から守るために提案されている。
論文 参考訳（メタデータ） (2023-02-13T03:31:50Z) - Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised
Person Re-Identification [80.98291772215154]
教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。
近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。
本稿では, Pseudo Label Refinement フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-30T09:39:57Z) - Holistic Guidance for Occluded Person Re-Identification [7.662745552551165]
実世界のビデオ監視アプリケーションでは、人物の再識別(ReID)は、閉塞や検出エラーの影響に悩まされる。
個人識別ラベルにのみ依存するHG(Holistic Guidance)手法を提案する。
提案手法は, 包括的(非包括的)標本と, 包括的(非包括的)標本の包括的(包括的)な距離(DCD)分布を一致させることにより, この問題に対処する。
これに加えて、共同生成-識別的バックボーンは、デノナイジングオートエンコーダで訓練され、システムが制御される。
論文 参考訳（メタデータ） (2021-04-13T21:50:29Z) - Learning from Self-Discrepancy via Multiple Co-teaching for Cross-Domain
Person Re-Identification [12.106894735305714]
ドメイン適応者再IDのための複数コティーチングフレームワークを提案する。
本手法は最先端技術と比較して競争力が向上する。
論文 参考訳（メタデータ） (2021-04-06T03:12:11Z) - Exploiting Sample Uncertainty for Domain Adaptive Person
Re-Identification [137.9939571408506]
各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。
不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
論文 参考訳（メタデータ） (2020-12-16T04:09:04Z) - Improving Face Recognition by Clustering Unlabeled Faces in the Wild [77.48677160252198]
極値理論に基づく新しいアイデンティティ分離法を提案する。
重なり合うラベルノイズによる問題を大幅に低減する。
制御された設定と実際の設定の両方の実験は、我々のメソッドの一貫性のある改善を示している。
論文 参考訳（メタデータ） (2020-07-14T12:26:50Z)
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。