論文の概要: GaitSnippet: Gait Recognition Beyond Unordered Sets and Ordered Sequences

• arxiv url: http://arxiv.org/abs/2508.07782v1
• Date: Mon, 11 Aug 2025 09:13:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.023466
• Title: GaitSnippet: Gait Recognition Beyond Unordered Sets and Ordered Sequences
• Title（参考訳）: GaitSnippet: 順序のないセットと順序づけられたシーケンスを超えた歩行認識
• Authors: Saihui Hou, Chenye Wang, Wenpeng Lang, Zhengxiang Lan, Yongzhen Huang,
• Abstract要約: 個人化された行動の合成として人間の歩行を概念化する新しい視点を提案する。 Snippet Smpling と Snippet Modeling に着目し,スニペットに基づく歩行認識のための非自明なソリューションを提案する。 例えば、GREWではGit3Dでは77.5%、GREWでは81.7%のランク1の精度を2D畳み込みベースのバックボーンで達成している。
• 参考スコア（独自算出の注目度）: 6.303094638786957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in gait recognition have significantly enhanced performance by treating silhouettes as either an unordered set or an ordered sequence. However, both set-based and sequence-based approaches exhibit notable limitations. Specifically, set-based methods tend to overlook short-range temporal context for individual frames, while sequence-based methods struggle to capture long-range temporal dependencies effectively. To address these challenges, we draw inspiration from human identification and propose a new perspective that conceptualizes human gait as a composition of individualized actions. Each action is represented by a series of frames, randomly selected from a continuous segment of the sequence, which we term a snippet. Fundamentally, the collection of snippets for a given sequence enables the incorporation of multi-scale temporal context, facilitating more comprehensive gait feature learning. Moreover, we introduce a non-trivial solution for snippet-based gait recognition, focusing on Snippet Sampling and Snippet Modeling as key components. Extensive experiments on four widely-used gait datasets validate the effectiveness of our proposed approach and, more importantly, highlight the potential of gait snippets. For instance, our method achieves the rank-1 accuracy of 77.5% on Gait3D and 81.7% on GREW using a 2D convolution-based backbone.
• Abstract（参考訳）: 近年の歩行認識の進歩は、シルエットを非順序セットまたは順序シーケンスとして扱うことにより、性能を著しく向上させた。 しかし、セットベースとシーケンスベースの両方のアプローチは、顕著な制限を示している。 具体的には、セットベースの手法は個々のフレームの短範囲の時間的コンテキストを見落とし、シーケンスベースの手法は長距離の時間的依存関係を効果的に捉えるのに苦労する。 これらの課題に対処するため、我々は、人間の識別からインスピレーションを得て、個人化された行動の合成として、人間の歩行を概念化する新しい視点を提案する。 各アクションは一連のフレームで表現され、シーケンスの連続セグメントからランダムに選択され、スニペットと呼ばれる。 基本的に、与えられたシーケンスのスニペットのコレクションは、より包括的な歩行特徴学習を容易にし、マルチスケールの時間的コンテキストを組み込むことができる。 さらに,Snippet Smpling と Snippet Modeling をキーコンポーネントとして,スニペットベースの歩行認識のための非自明なソリューションを提案する。 広範に利用されている4つの歩行データセットの大規模な実験により、提案手法の有効性が検証され、さらに重要なことに、歩行スニペットの可能性を強調した。 例えば、GREWではGit3Dでは77.5%、GREWでは81.7%のランク1の精度を2D畳み込みベースのバックボーンで達成している。

関連論文リスト

• OptiCorNet: Optimizing Sequence-Based Context Correlation for Visual Place Recognition [2.3093110834423616]
  本稿では,新しいシーケンスモデリングフレームワークOptiCorNetを提案する。 空間的特徴抽出と時間的差分を微分可能でエンドツーエンドのトレーニング可能なモジュールに統一する。 本手法は,季節的・視点的な変化に挑戦し,最先端のベースラインよりも優れる。
  論文  参考訳（メタデータ） (2025-07-19T04:29:43Z)
• CHASE: Learning Convex Hull Adaptive Shift for Skeleton-based Multi-Entity Action Recognition [10.045163723630159]
  CHASEはサンプル適応正規化法として機能し、濃度間分布の相違を緩和する。 このアプローチはシングルエンタリティのバックボーンにシームレスに適応し、マルチエンタリティシナリオにおけるパフォーマンスを向上します。
  論文  参考訳（メタデータ） (2024-10-09T17:55:43Z)
• Long-Sequence Recommendation Models Need Decoupled Embeddings [49.410906935283585]
  我々は、既存の長期推薦モデルにおいて無視された欠陥を識別し、特徴付ける。 埋め込みの単一のセットは、注意と表現の両方を学ぶのに苦労し、これら2つのプロセス間の干渉につながります。 本稿では,2つの異なる埋め込みテーブルを別々に学習し,注意と表現を完全に分離する,DARE(Decoupled Attention and Representation Embeddings)モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-03T15:45:15Z)
• Self-Supervised Representation Learning from Temporal Ordering of Automated Driving Sequences [49.91741677556553]
  本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。 我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。 BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-02-17T18:18:27Z)
• Fine-grained Temporal Contrastive Learning for Weakly-supervised Temporal Action Localization [87.47977407022492]
  本稿では,シーケンス・ツー・シーケンスの区別を文脈的に比較することで学習が,弱い教師付き行動の局所化に不可欠な帰納的バイアスをもたらすことを論じる。 微分可能な動的プログラミングの定式化の下では、FSD(Fen-fine Sequence Distance)とLCS(Longest Common Subsequence)の2つの相補的コントラストが設計されている。 提案手法は,2つのベンチマークにおいて最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-03-31T05:13:50Z)
• Learning Temporal Point Processes for Efficient Retrieval of Continuous Time Event Sequences [24.963828650935913]
  NEUROSEQRETは,あるクエリシーケンスに対して,関連する連続時間イベントシーケンスの検索とランク付けを学習する。 精度と効率のトレードオフを提供する関係モデルの2つの変種を開発する。 いくつかのデータセットを用いて行った実験では、NEUROSEQRETの精度がいくつかのベースラインを超えていることが示されている。
  論文  参考訳（メタデータ） (2022-02-17T11:16:31Z)
• Self-Attention Neural Bag-of-Features [103.70855797025689]
  我々は最近導入された2D-Attentionの上に構築し、注意学習方法論を再構築する。 本稿では,関連情報を強調した2次元目視マスクを学習する機能・時間的アテンション機構を提案する。
  論文  参考訳（メタデータ） (2022-01-26T17:54:14Z)
• Sequential convolutional network for behavioral pattern extraction in gait recognition [0.7874708385247353]
  個人の歩行パターンを学習するための逐次畳み込みネットワーク(SCN)を提案する。 SCNでは、時系列の中間特徴写像を理解するために行動情報抽出器(BIE)を構築している。 SCNのマルチフレームアグリゲータは、モバイル3D畳み込み層を介して、長さが不確定なシーケンス上の機能統合を実行する。
  論文  参考訳（メタデータ） (2021-04-23T08:44:10Z)
• A Self-Supervised Gait Encoding Approach with Locality-Awareness for 3D Skeleton Based Person Re-Identification [65.18004601366066]
  3Dスケルトン配列内の歩行特徴による人物再識別(Re-ID)は、いくつかの利点を持つ新しい話題である。 本稿では、ラベルのない骨格データを利用して人物の歩行表現を学習できる自己教師付き歩行符号化手法を提案する。
  論文  参考訳（メタデータ） (2020-09-05T16:06:04Z)

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。