論文の概要: A review of Recent Techniques for Person Re-Identification
- arxiv url: http://arxiv.org/abs/2509.22690v1
- Date: Fri, 19 Sep 2025 13:47:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-06 05:29:07.794434
- Title: A review of Recent Techniques for Person Re-Identification
- Title（参考訳）: 人物再同定の最近の技術動向
- Authors: Andrea Asperti, Salvatore Fiorilla, Simone Nardi, Lorenzo Orsini,
- Abstract要約: 監視における重要なタスクである人物の再識別は、異なるカメラビューで個人をマッチングする。
教師付きアプローチの成功は、大量の注釈付きデータに依存し、データラベリングと計算コストにおいてスケーラビリティ上の課題を提起する。
近年、教師なしの人物再識別に移行している。豊富なラベル付きデータを活用し、教師なしの手法は、ペアラベル付きデータの必要性を克服することを目的としている。
- 参考スコア（独自算出の注目度）: 0.05833117322405446
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Person re-identification (ReId), a crucial task in surveillance, involves matching individuals across different camera views. The advent of Deep Learning, especially supervised techniques like Convolutional Neural Networks and Attention Mechanisms, has significantly enhanced person Re-ID. However, the success of supervised approaches hinges on vast amounts of annotated data, posing scalability challenges in data labeling and computational costs. To address these limitations, recent research has shifted towards unsupervised person re-identification. Leveraging abundant unlabeled data, unsupervised methods aim to overcome the need for pairwise labelled data. Although traditionally trailing behind supervised approaches, unsupervised techniques have shown promising developments in recent years, signalling a narrowing performance gap. Motivated by this evolving landscape, our survey pursues two primary objectives. First, we review and categorize significant publications in supervised person re-identification, providing an in-depth overview of the current state-of-the-art and emphasizing little room for further improvement in this domain. Second, we explore the latest advancements in unsupervised person re-identification over the past three years, offering insights into emerging trends and shedding light on the potential convergence of performance between supervised and unsupervised paradigms. This dual-focus survey aims to contribute to the evolving narrative of person re-identification, capturing both the mature landscape of supervised techniques and the promising outcomes in the realm of unsupervised learning.
- Abstract（参考訳）: 監視における重要なタスクである人物再識別(ReId)は、異なるカメラビューで個人をマッチングする。
ディープラーニングの出現、特に畳み込みニューラルネットワークやアテンションメカニズムのような教師付きテクニックは、人のRe-IDを大幅に強化した。
しかし、教師付きアプローチの成功は、大量の注釈付きデータに依存し、データラベリングと計算コストにおいてスケーラビリティ上の課題を提起する。
これらの制限に対処するため、近年の研究は教師なしの人物の再同定へと移行している。
豊富なラベル付きデータを活用して、教師なしの方法は、ペアでラベル付けされたデータの必要性を克服することを目的としている。
従来は教師付きアプローチに遅れを取っていたが、教師なし手法は近年の有望な発展を見せており、パフォーマンスギャップの狭さを示唆している。
この進化する風景に動機付けられて、我々の調査は2つの主要な目的を追求する。
まず、監督された人物の再識別において重要な出版物をレビューし、分類し、現状を詳細に概観し、この領域をさらに改善する余地を強調する。
第二に、過去3年間の教師なしの人物再識別の最新の進歩を探求し、新たなトレンドの洞察を提供し、教師なしと教師なしのパラダイム間のパフォーマンスの収束の可能性に光を当てている。
この二重焦点調査は、教師なし学習の領域における成熟した景観と有望な成果の両方を捉え、人物の再識別の進化に寄与することを目的としている。
関連論文リスト
- A New Teacher-Reviewer-Student Framework for Semi-supervised 2D Human Pose Estimation [33.01458098153753]
新しく設計された教師-視聴者-学生の枠組みを利用して,新しい半教師付き2次元ポーズ推定手法を提案する。
具体的には、まず、人類がフレームワークを設計するための統合のための以前の知識を常にレビューする現象を模倣する。
第2に、バックボーンの異なるステージからの出力を利用して、ヒートマップを推定し、ネットワークトレーニングをガイドするマルチレベル特徴学習戦略を導入する。
論文 参考訳（メタデータ） (2025-01-16T14:40:02Z) - Pose-Transformation and Radial Distance Clustering for Unsupervised Person Re-identification [5.522856885199346]
人物再識別(re-ID)は、重複しないカメラ間での同一性マッチングの問題に対処することを目的としている。
監視されたアプローチでは、取得が困難になり、トレーニング対象のデータセットに対して本質的にバイアスがかかる可能性のあるID情報が必要となる。
本稿では,真のラベルの知識をゼロにすることで,学習した特徴の識別能力を向上する手法を提案する。
論文 参考訳（メタデータ） (2024-11-06T20:55:30Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - Accelerating Self-Supervised Learning via Efficient Training Strategies [98.26556609110992]
自己監督型ディープネットワークのトレーニング時間は、教師付きディープネットワークよりも桁違いに大きい。
これらの課題に乗じて,近年の自己指導手法の訓練時間を短縮する方法について検討する。
論文 参考訳（メタデータ） (2022-12-11T21:49:39Z) - Person Re-identification: A Retrospective on Domain Specific Open
Challenges and Future Trends [2.4907242954727926]
人物再識別(Re-ID)は、自動化された視覚監視システムの主要な構成要素の1つである。
オーバーラップしない視野を持つマルチカメラネットワーク内の人物を自動的に識別・検索することを目的としている。
論文 参考訳（メタデータ） (2022-02-26T11:55:57Z) - Recent Advancements in Self-Supervised Paradigms for Visual Feature
Representation [0.41436032949434404]
教師付き学習は、最先端のパフォーマンスに到達するために大量のラベル付きデータを必要とする。
ラベル付けのコストを回避するため,ラベル付けされていないデータを利用する自己管理手法が提案された。
本研究は,特徴表現のための自己監督パラダイムにおける近年の展開に関する包括的で洞察に富んだ調査と分析を行う。
論文 参考訳（メタデータ） (2021-11-03T07:02:34Z) - Unsupervised Person Re-Identification: A Systematic Survey of Challenges
and Solutions [64.68497473454816]
教師なしのRe-IDは、Re-ID担当者のスケーラビリティ問題に対処する可能性に注目が集まっている。
教師なしのRe-IDは、主に人物の特徴学習を監督するアイデンティティラベルが欠如しているため、難しい。
本調査では,課題と解決の観点から,教師なしのRe-IDに関する最近の研究を概観する。
論文 参考訳（メタデータ） (2021-09-01T00:01:35Z) - Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep
Learning Perspective [69.44384540002358]
この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。
2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。
また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
論文 参考訳（メタデータ） (2021-04-23T11:07:07Z) - Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。
本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。
この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
論文 参考訳（メタデータ） (2021-04-16T06:44:50Z) - Unsupervised Attention Based Instance Discriminative Learning for Person
Re-Identification [5.233788055084763]
事前学習をせずにエンドツーエンドで訓練された人物再識別のための教師なしフレームワークを提案する。
提案手法は,グループ畳み込みを組み合わせ,複数スケールでの空間的注意力を高める新しいアテンション機構を利用する。
我々はMarket1501とDukeMTMC-reIDデータセットを用いて広範囲に解析を行い、我々の手法が常に最先端の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） (2020-11-03T18:08:31Z) - Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal
Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。
実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文 参考訳（メタデータ） (2020-01-14T17:43:52Z)
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。