論文の概要: Silhouette-based Gait Foundation Model

• arxiv url: http://arxiv.org/abs/2512.00691v1
• Date: Sun, 30 Nov 2025 01:53:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.363291
• Title: Silhouette-based Gait Foundation Model
• Title（参考訳）: シルエットに基づく歩行基礎モデル
• Authors: Dingqiang Ye, Chao Fan, Kartik Narayan, Bingzhe Wu, Chengwen Luo, Jianqiang Li, Vishal M. Patel,
• Abstract要約: 統一された歩行基盤モデルを構築するには、スケーラビリティと一般化の2つの長年の障壁に対処する必要がある。 私たちは、歩行理解のための最初のスケーラブルでセルフ教師付き事前学習フレームワークであるFoundationGaitを紹介します。
• 参考スコア（独自算出の注目度）: 56.27974816297294
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Gait patterns play a critical role in human identification and healthcare analytics, yet current progress remains constrained by small, narrowly designed models that fail to scale or generalize. Building a unified gait foundation model requires addressing two longstanding barriers: (a) Scalability. Why have gait models historically failed to follow scaling laws? (b) Generalization. Can one model serve the diverse gait tasks that have traditionally been studied in isolation? We introduce FoundationGait, the first scalable, self-supervised pretraining framework for gait understanding. Its largest version has nearly 0.13 billion parameters and is pretrained on 12 public gait datasets comprising over 2 million walking sequences. Extensive experiments demonstrate that FoundationGait, with or without fine-tuning, performs robustly across a wide spectrum of gait datasets, conditions, tasks (e.g., human identification, scoliosis screening, depression prediction, and attribute estimation), and even input modality. Notably, it achieves 48.0% zero-shot rank-1 accuracy on the challenging in-the-wild Gait3D dataset (1,000 test subjects) and 64.5% on the largest in-the-lab OU-MVLP dataset (5,000+ test subjects), setting a new milestone in robust gait recognition. Coming code and model: https://github.com/ShiqiYu/OpenGait.
• Abstract（参考訳）: 歩行パターンは、人間の識別と医療分析において重要な役割を果たすが、現在の進歩は、スケールや一般化に失敗する小さな、狭い設計のモデルによって制限されている。 統一された歩行基盤モデルを構築するには、2つの長年の障壁に対処する必要がある。 (a)スケーラビリティ。 なぜ歩行モデルは歴史的にスケーリング法に従わなかったのか? (b)一般化。 1つのモデルは、伝統的に独立して研究されてきた多様な歩行タスクに役立てることができるか? 私たちは、歩行理解のための最初のスケーラブルでセルフ教師付き事前学習フレームワークであるFoundationGaitを紹介します。 最大のバージョンは0.13億のパラメータを持ち、200万以上の歩行シーケンスからなる12の公共歩行データセットに事前訓練されている。 広範囲にわたる実験により、FoundationGaitは、微調整の有無にかかわらず、幅広い歩行データセット、条件、タスク(例えば、人間の識別、コリオーシススクリーニング、うつ病予測、属性推定)、さらには入力モダリティに対して堅牢に機能することが示された。 特に、Git3Dデータセット(1000の被験者)の挑戦的な挑戦に対して48.0%のゼロショットランク-1の精度を達成し、最大の実験用OU-MVLPデータセット(5000以上の被験者)で64.5%を達成し、堅牢な歩行認識において新たなマイルストーンを樹立した。 コードとモデルの作成:https://github.com/ShiqiYu/OpenGait.com

関連論文リスト

• Intention-Conditioned Flow Occupancy Models [80.42634994902858]
  大規模な事前学習は、今日の機械学習研究のやり方を根本的に変えた。 同じフレームワークを強化学習に適用することは、RLの中核的な課題に対処するための魅力的な方法を提供するので、魅力的です。 生成AIの最近の進歩は、高度に複雑な分布をモデリングするための新しいツールを提供している。
  論文  参考訳（メタデータ） (2025-06-10T15:27:46Z)
• s1: Simple test-time scaling [148.4204982041058]
  テスト時間スケーリングは、パフォーマンスを改善するために余分なテスト時間計算を使用する言語モデリングに対する、有望な新しいアプローチである。 テストタイムのスケーリングと強力な推論性能を実現するための最もシンプルなアプローチを探します。
  論文  参考訳（メタデータ） (2025-01-31T18:48:08Z)
• Learning Gait Representation from Massive Unlabelled Walking Videos: A Benchmark [11.948554539954673]
  コントラスト学習を伴う歩行認識のための大規模自己教師付きベンチマークを提案する。 1.02万個の歩行シーケンスからなる大規模歩行データセットGaitLU-1Mを収集した。 そこで我々は, CASIA-B, OU-M, GREW, Gait3D の4つの広く使用されている歩行指標を用いて, 事前学習モデルの評価を行った。
  論文  参考訳（メタデータ） (2022-06-28T12:33:42Z)

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。