論文の概要: BarbieGait: An Identity-Consistent Synthetic Human Dataset with Versatile Cloth-Changing for Gait Recognition

• arxiv url: http://arxiv.org/abs/2604.12221v1
• Date: Tue, 14 Apr 2026 03:01:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.20654
• Title: BarbieGait: An Identity-Consistent Synthetic Human Dataset with Versatile Cloth-Changing for Gait Recognition
• Title（参考訳）: BarbieGait: 歩行認識のためのVersatile Cloth-Changingを用いたアイデンティティ一貫性のある合成人間のデータセット
• Authors: Qingyuan Cai, Saihui Hou, Xuecai Hu, Yongzhen Huang,
• Abstract要約: 本稿では,現実世界の被験者を仮想エンジンに一意にマッピングし,衣服の変化をシミュレートする合成歩行データセットであるBarbieGaitを紹介する。 歩行認識は、信頼性の高い生体認証技術として、近年急速に発展してきたが、現実世界の多様な衣服スタイルによって引き起こされる大きな課題に直面している。
• 参考スコア（独自算出の注目度）: 35.18008610641034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gait recognition, as a reliable biometric technology, has seen rapid development in recent years while it faces significant challenges caused by diverse clothing styles in the real world. This paper introduces BarbieGait, a synthetic gait dataset where real-world subjects are uniquely mapped into a virtual engine to simulate extensive clothing changes while preserving their gait identity information. As a pioneering work, BarbieGait provides a controllable gait data generation method, enabling the production of large datasets to validate cross-clothing issues that are difficult to verify with real-world data. However, the diversity of clothing increases intra-class variance and makes one of the biggest challenges to learning cloth-invariant features under varying clothing conditions. Therefore, we propose GaitCLIF (Gait-oriented CLoth-Invariant Feature) as a robust baseline model for cross-clothing gait recognition. Through extensive experiments, we validate that our method significantly improves cross-clothing performance on BarbieGait and the existing popular gait benchmarks. We believe that BarbieGait, with its extensive cross-clothing gait data, will further advance the capabilities of gait recognition in cross-clothing scenarios and promote progress in related research.
• Abstract（参考訳）: 歩行認識は、信頼性の高い生体認証技術として、近年急速に発展してきたが、現実世界の多様な衣服スタイルによって引き起こされる大きな課題に直面している。 本稿では,現実の被験者を仮想エンジンに一意にマッピングし,歩行識別情報を保存しながら衣服の変化をシミュレートする合成歩行データセットであるBarbieGaitを紹介する。 先駆的な作業として、BarbieGaitは、コントロール可能な歩行データ生成方法を提供し、大規模なデータセットの生成によって、現実世界のデータで検証が難しいクロスクロース問題を検証することができる。 しかし,衣服の多様性はクラス内での差異を増大させ,衣服条件の異なる布の不変性を学習する上で最大の課題の1つとなっている。 そこで我々は,歩行認識のための頑健なベースラインモデルとしてGaitCLIF(Gait-oriented CLoth-Invariant Feature)を提案する。 広範にわたる実験により,BarbieGait のクロスクロース性能と既存の歩行ベンチマークを比較検討した。 BarbieGaitは、クロスクローズング歩行データとともに、クロスクローズングシナリオにおける歩行認識能力をさらに向上させ、関連する研究の進展を促進すると信じている。

関連論文リスト

• CMCC-ReID: Cross-Modality Clothing-Change Person Re-Identification [50.132682245344284]
  CMCC-ReID(Cross-Modality Clothing-Change Re-Identification)は、モダリティと衣服の両方のバリエーションにまたがる歩行者を対象とする。 本稿では,衣服の多様性とモダリティの相違を段階的に緩和する,プログレッシブ・アイデンティティ・アライメント・ネットワーク(PIA)を提案する。 PIAはこの新しいタスクの強力なベースラインを確立し、既存の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-03T07:19:30Z)
• GaitCrafter: Diffusion Model for Biometric Preserving Gait Synthesis [14.174192604480599]
  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。
  論文  参考訳（メタデータ） (2025-08-18T18:32:42Z)
• Time-Efficient and Identity-Consistent Virtual Try-On Using A Variant of Altered Diffusion Models [4.038493506169702]
  本研究は, 複雑なテクスチャの詳細と, 対象者と衣服の特徴を, 様々なシナリオで保存することの課題を強調する。 様々な既存アプローチが検討され、制限と未解決の側面を強調している。 次に,仮想試行中にテクスチャのテクスチャ保存とユーザアイデンティティ保持に対処する,新しい拡散型ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-03-12T07:15:29Z)
• HybridGait: A Benchmark for Spatial-Temporal Cloth-Changing Gait Recognition with Hybrid Explorations [66.5809637340079]
  そこで本研究では,第1世代CCGaitベンチマークを提案する。 我々は3次元メッシュの時間的ダイナミクスと投影された2次元情報の両方を利用する。 私たちのコントリビューションは2つあります: 拡張された空間にわたる現実的な外見の変化をキャプチャする、挑戦的なベンチマークCCGaitを提供しています。
  論文  参考訳（メタデータ） (2023-12-30T16:12:13Z)
• Synthetic-to-Real Domain Adaptation for Action Recognition: A Dataset and Baseline Performances [76.34037366117234]
  ロボット制御ジェスチャー(RoCoG-v2)と呼ばれる新しいデータセットを導入する。 データセットは7つのジェスチャークラスの実ビデオと合成ビデオの両方で構成されている。 我々は,最先端の行動認識とドメイン適応アルゴリズムを用いて結果を示す。
  論文  参考訳（メタデータ） (2023-03-17T23:23:55Z)
• Multi-Modal Human Authentication Using Silhouettes, Gait and RGB [59.46083527510924]
  全体認証は、遠隔生体認証のシナリオにおいて有望なアプローチである。 本稿では,RGBデータとシルエットデータを組み合わせたDME(Dual-Modal Ensemble)を提案する。 DME内では、従来の歩行分析に使用される二重ヘリカル歩行パターンにインスパイアされたGaitPatternを提案する。
  論文  参考訳（メタデータ） (2022-10-08T15:17:32Z)
• Progressive Feature Learning for Realistic Cloth-Changing Gait Recognition [9.986651948411454]
  既存のデータセットとメソッドは、実際に最も難しい布の交換問題に十分対応できない。 RCC-GR(Realistic Cloth-Changing Gait Recognition)として問題を定式化する。 本稿では,RCC-GRの性能向上のために,市販のバックボーンで適用可能なプログレッシブ・フィーチャーラーニングという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T11:26:53Z)
• 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。