論文の概要: GaitCrafter: Diffusion Model for Biometric Preserving Gait Synthesis

• arxiv url: http://arxiv.org/abs/2508.13300v1
• Date: Mon, 18 Aug 2025 18:32:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.702123
• Title: GaitCrafter: Diffusion Model for Biometric Preserving Gait Synthesis
• Title（参考訳）: GaitCrafter: バイオメトリック保存歩行合成のための拡散モデル
• Authors: Sirshapan Mitra, Yogesh S. Rawat,
• Abstract要約: GaitCrafterは、シルエット領域で現実的な歩行シーケンスを合成するための拡散ベースのフレームワークである。 我々のアプローチは、時間的に一貫性があり、アイデンティティを保存する歩行列の生成を可能にする。 そこで,本研究では,オリジナルデータセットに存在しない新規なアイデンティティ合成個人を生成するメカニズムを提案する。
• 参考スコア（独自算出の注目度）: 14.174192604480599
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Gait recognition is a valuable biometric task that enables the identification of individuals from a distance based on their walking patterns. However, it remains limited by the lack of large-scale labeled datasets and the difficulty of collecting diverse gait samples for each individual while preserving privacy. To address these challenges, we propose GaitCrafter, a diffusion-based framework for synthesizing realistic gait sequences in the silhouette domain. Unlike prior works that rely on simulated environments or alternative generative models, GaitCrafter trains a video diffusion model from scratch, exclusively on gait silhouette data. Our approach enables the generation of temporally consistent and identity-preserving gait sequences. Moreover, the generation process is controllable-allowing conditioning on various covariates such as clothing, carried objects, and view angle. We show that incorporating synthetic samples generated by GaitCrafter into the gait recognition pipeline leads to improved performance, especially under challenging conditions. Additionally, we introduce a mechanism to generate novel identities-synthetic individuals not present in the original dataset-by interpolating identity embeddings. These novel identities exhibit unique, consistent gait patterns and are useful for training models while maintaining privacy of real subjects. Overall, our work takes an important step toward leveraging diffusion models for high-quality, controllable, and privacy-aware gait data generation.
• Abstract（参考訳）: 歩行認識は、歩行パターンに基づいた距離からの個人識別を可能にする貴重な生体計測タスクである。 しかし、大規模なラベル付きデータセットの欠如と、プライバシーを維持しながら個人ごとに多様な歩行サンプルを集めることの難しさにより、依然として制限されている。 これらの課題に対処するために,シルエット領域で現実的な歩行シーケンスを合成する拡散ベースのフレームワークであるGaitCrafterを提案する。 シミュレーションされた環境や代替生成モデルに依存する以前の作品とは異なり、GaitCrafterは、歩行シルエットデータのみに基づいて、ビデオ拡散モデルをゼロからトレーニングする。 我々のアプローチは、時間的に一貫性があり、アイデンティティを保存する歩行列の生成を可能にする。 また、生成工程は、衣服、搬送物、視角などの様々な共変量に対して制御可能な条件付けを行う。 本稿では,GaitCrafterが生成した合成サンプルを歩行認識パイプラインに組み込むことで,特に困難な条件下での性能が向上することを示す。 さらに,従来のデータセットに存在しない新規なアイデンティティ合成個体を補間ID埋め込みにより生成する機構についても紹介する。 これらの新しいアイデンティティは、ユニークな一貫した歩行パターンを示し、実際の被験者のプライバシーを維持しながらモデルのトレーニングに有用である。 全体として、私たちの研究は、高品質でコントロール可能な、プライバシーに配慮した歩行データ生成のための拡散モデルを活用するための重要な一歩を踏み出します。

関連論文リスト

• Hybrid Generative Fusion for Efficient and Privacy-Preserving Face Recognition Dataset Generation [87.48785461212556]
  我々は,顔認識モデルをトレーニングするための高品質な顔データセットの構築に焦点を当てたDataCV ICCV Challengeへのアプローチを提案する。 構築されたデータセットには、既存の公開顔データセットと重複するIDが含まれてはならない。 提案手法は,競技において第1位となる textbf1 を達成し,実験結果から10K,20K,100K 単位のモデル性能の向上が得られた。
  論文  参考訳（メタデータ） (2025-08-14T14:14:18Z)
• ID-Booth: Identity-consistent Face Generation with Diffusion Models [10.042492056152232]
  我々はID-Boothと呼ばれる新しい生成拡散に基づくフレームワークを提案する。 このフレームワークは、事前訓練された拡散モデルの合成能力を保ちながら、アイデンティティ一貫性のある画像生成を可能にする。 本手法は、画像の多様性を向上しつつ、競合する手法よりもアイデンティティ間の一貫性とアイデンティティ間の分離性を向上する。
  論文  参考訳（メタデータ） (2025-04-10T02:20:18Z)
• Unpaired Deblurring via Decoupled Diffusion Model [55.21345354747609]
  UID-Diffは,未知領域における劣化性能の向上を目的とした生成拡散モデルである。 構造的特徴とぼかしパターン抽出器を別々に用いて, 抽出した特徴は, 合成データに対する教師付きデブロアリングタスクと教師なしのぼかし転送タスクに使用される。 実世界のデータセットの実験では、UID-Diffが既存の最先端の手法よりも、ぼやけた除去と構造保存に優れていることが示されている。
  論文  参考訳（メタデータ） (2025-02-03T17:00:40Z)
• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
  我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。 以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-13T06:30:56Z)

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。