論文の概要: TrackletGait: A Robust Framework for Gait Recognition in the Wild
- arxiv url: http://arxiv.org/abs/2508.02143v1
- Date: Mon, 04 Aug 2025 07:43:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 18:25:22.229246
- Title: TrackletGait: A Robust Framework for Gait Recognition in the Wild
- Title（参考訳）: TrackletGait: 野生での歩行認識のためのロバストなフレームワーク
- Authors: Shaoxiong Zhang, Jinkai Zheng, Shangdong Zhu, Chenggang Yan,
- Abstract要約: 歩行認識は、身体の形状と歩行パターンに基づいて個人を識別することを目的としている。
本稿では,これらの課題に対処するための新しいフレームワークであるTrackletGaitを提案する。
TrackletGaitは、Gait3DデータセットとGREWデータセットでそれぞれ77.8と80.4のランク-1の精度で最先端の結果を達成する。
- 参考スコア（独自算出の注目度）: 24.35258032258144
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gait recognition aims to identify individuals based on their body shape and walking patterns. Though much progress has been achieved driven by deep learning, gait recognition in real-world surveillance scenarios remains quite challenging to current methods. Conventional approaches, which rely on periodic gait cycles and controlled environments, struggle with the non-periodic and occluded silhouette sequences encountered in the wild. In this paper, we propose a novel framework, TrackletGait, designed to address these challenges in the wild. We propose Random Tracklet Sampling, a generalization of existing sampling methods, which strikes a balance between robustness and representation in capturing diverse walking patterns. Next, we introduce Haar Wavelet-based Downsampling to preserve information during spatial downsampling. Finally, we present a Hardness Exclusion Triplet Loss, designed to exclude low-quality silhouettes by discarding hard triplet samples. TrackletGait achieves state-of-the-art results, with 77.8 and 80.4 rank-1 accuracy on the Gait3D and GREW datasets, respectively, while using only 10.3M backbone parameters. Extensive experiments are also conducted to further investigate the factors affecting gait recognition in the wild.
- Abstract（参考訳）: 歩行認識は、身体の形状と歩行パターンに基づいて個人を識別することを目的としている。
ディープラーニングによって多くの進歩が達成されているが、現実の監視シナリオにおける歩行認識は、現在の手法では難しいままである。
周期的な歩行周期と制御された環境に依存する従来のアプローチは、野生で遭遇する非周期的および閉鎖的なシルエット配列と競合する。
本稿では,これらの課題に対処するための新しいフレームワークであるTrackletGaitを提案する。
本研究では,既存のサンプリング手法を一般化したランダムトラックレットサンプリングを提案する。
次に、空間的なダウンサンプリング中に情報を保存するために、Haar Waveletベースのダウンサンプリングを導入する。
最後に, 硬度三重項サンプルを廃棄することにより, 低品質のシルエットを除去するハードネス・エクスクルージョン・トリプルト・ロスを提示する。
TrackletGaitは、Gait3DとGREWデータセットでそれぞれ77.8と80.4のランク-1の精度で最先端の結果を達成し、10.3Mのバックボーンパラメータしか使用していない。
また,野生での歩行認知に影響を与える要因について検討した。
関連論文リスト
- 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) - Gait Sequence Upsampling using Diffusion Models for Single LiDAR Sensors [1.0485739694839664]
LidarGSUは、既存の識別モデルの一般化能力を改善するように設計されている。
本研究は,ビデオ間翻訳手法における条件付きマスクとして,細かな歩行者点雲上のDPMを利用する。
提案手法では,SUSTeck1Kデータセットを用いて,生成品質と認識性能を評価する。
論文 参考訳（メタデータ） (2024-10-11T10:11:21Z) - TrajSSL: Trajectory-Enhanced Semi-Supervised 3D Object Detection [59.498894868956306]
Pseudo-labeling approach to semi-supervised learning は教師-学生の枠組みを採用する。
我々は、事前学習した動き予測モデルを活用し、擬似ラベル付きデータに基づいて物体軌跡を生成する。
提案手法は2つの異なる方法で擬似ラベル品質を向上する。
論文 参考訳（メタデータ） (2024-09-17T05:35:00Z) - CLASH: Complementary Learning with Neural Architecture Search for Gait Recognition [14.86306286844144]
本研究では,高密度時空間場 (DSTF) とニューラルアーキテクチャ検索に基づく補完学習 (NCL) フレームワークを用いた歩行パターン型歩行記述法を提案する。
具体的には、DSTFはスパース境界の表現を、ピクセルレベルでの歩行パターンに敏感な、密度の高い距離ベースのテクスチャに変換する。
最新のIn-theldデータセットでは、それぞれGait3DとGREWで、最新のシルエットベースのメソッドを16.3%、19.7%上回りました。
論文 参考訳（メタデータ） (2024-07-04T04:51:01Z) - WildGEN: Long-horizon Trajectory Generation for Wildlife [3.8986045286948]
軌道生成は歩行者、車両、野生動物の運動研究において重要な関心事である。
本研究では,変分オートエンコーダ(VAE)に基づく手法を用いて,この問題に対処する概念的フレームワークWildGENを紹介する。
その後、スムーズなフィルタに基づいて生成された軌跡の後の処理工程を行い、過度のさまよりを低減する。
論文 参考訳（メタデータ） (2023-12-30T05:08:28Z) - Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。
推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文 参考訳（メタデータ） (2023-11-02T16:45:25Z) - S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
本稿では,ラベルノイズの存在下での分類の問題に対処する。
提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。
提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
論文 参考訳（メタデータ） (2021-11-22T15:49:20Z) - Learning Dynamics via Graph Neural Networks for Human Pose Estimation
and Tracking [98.91894395941766]
ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。
具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。
PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
論文 参考訳（メタデータ） (2021-06-07T16:36:50Z) - Semi-supervised Long-tailed Recognition using Alternate Sampling [95.93760490301395]
ロングテール認識の主な課題は、データ分布の不均衡とテールクラスにおけるサンプル不足である。
半教師付き長尾認識という新しい認識設定を提案する。
2つのデータセットで、他の競合方法よりも大幅な精度向上を実証します。
論文 参考訳（メタデータ） (2021-05-01T00:43:38Z) - Dense open-set recognition with synthetic outliers generated by Real NVP [1.278093617645299]
我々は,共同学習型合成外乱器を用いた識別訓練に基づく外乱検出手法を検討する。
本手法は, 同時セマンティックセグメンテーションと高密度外乱検出に適応可能であることを示す。
フォワードパスが1つしかない予測を生成するにもかかわらず、我々のモデルは、最先端技術に関して競争的に機能する。
論文 参考訳（メタデータ） (2020-11-22T19:40:26Z) - Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。
生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。
実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
論文 参考訳（メタデータ） (2020-02-22T10:08:42Z)
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。