論文の概要: Person Identification from Contextual Motion

• arxiv url: http://arxiv.org/abs/2606.13410v1
• Date: Thu, 11 Jun 2026 14:39:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.85553
• Title: Person Identification from Contextual Motion
• Title（参考訳）: 文脈運動からの人物識別
• Authors: Igor Kviatkovsky, Ehud Rivlin, Ilan Shimshoni,
• Abstract要約: 動作パターンから人物を識別する新たなシナリオを提案する。 被験者の行動は、Human Information Processing(HIP)パラダイムにインスパイアされた確率的生成モデルを用いてモデル化される。 5つの公開データセットと,22名の被験者の4,476人の記録からなる新たなデータセットについて,高い認識率を報告した。
• 参考スコア（独自算出の注目度）: 9.41027945568066
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of identifying people based on their motion styles. We present a generative model describing the action instance creation process and derive a probabilistic identity inference scheme for two common person identification scenarios motivated by the surveillance and authentication applications. We introduce a novel, \emph{interactive}, scenario for person identification from motion patterns. To this end, we formalize the identification process in the context of a sequential message exchange session between the subject and the system. The subject's behavior is modeled using a probabilistic generative model inspired by the Human Information Processing (HIP) paradigm. At each stage, the system presents a visual stimulus (a cue) to the subject and records their motion response. The cue is selected so as to maximize the mutual information of the expected response and the subject's identity. Once recorded, the response is used to update the a posteriori probability over possible subjects' identities. The process terminates once a sufficient classification confidence level is reached. To the best of our knowledge, this is the first time person identification is addressed in such interactive setting. We report high recognition rates on five publicly available datasets and our own novel dataset consisting of 4,476 recordings of 22 test subjects responding to 15 cues.
• Abstract（参考訳）: 動作スタイルに基づいた人物識別の問題点を考察する。 本稿では,アクション・インスタンス作成プロセスを記述する生成モデルを提案し,監視および認証アプリケーションによって動機付けられた2つの共通人物識別シナリオに対する確率的同一性推論スキームを導出する。 動作パターンから人物を識別するシナリオである「emph{interactive}」を紹介した。 この目的のために、被験者とシステム間の逐次メッセージ交換セッションのコンテキストにおける識別プロセスを定式化する。 被験者の行動は、Human Information Processing(HIP)パラダイムにインスパイアされた確率的生成モデルを用いてモデル化される。 各段階において、システムは被験者に視覚刺激(キュー)を提示し、その動作反応を記録する。 このキューは、期待応答の相互情報と被写体の同一性とを最大化するために選択される。 一度記録されると、応答は被写体の身元を更新するために使用される。 このプロセスは、十分な分類信頼レベルに達すると終了する。 我々の知る限りでは、このような対話的な環境で人物の識別に対処するのはこれが初めてである。 5つの公開データセットと,22名の被験者の4,476人の記録からなる新たなデータセットについて,高い認識率を報告した。

関連論文リスト

• Bridging Data Trials and Task Barriers: A Unified Framework for Sketch Biometric Identification [99.67657930163358]
  スケッチバイオメトリクスの識別は、少ない実データ、高いアノテーションコスト、プライバシーリスク、クロスタスクモデルの一般化能力の不足など、課題に直面している。 本稿では,効率的な合成スケッチ生成とタスク列連続学習を統合した統合フレームワークを提案する。 スケッチバイオメトリック同定の研究を支援するため,我々はSketch-BioIDという大規模ベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-05-17T10:20:57Z)
• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存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） (2025-10-28T09:28:12Z)
• IMPersona: Evaluating Individual Level LM Impersonation [28.040025302581366]
  本稿では,特定の個人の書き方や個人の知識を擬人化するためのLM評価フレームワークであるIMPersonaを紹介する。 我々は、Llama-3.1-8B-Instructのような、わずかにサイズのオープンソースモデルでさえ、関連するレベルでの偽造能力を達成することを実証した。
  論文  参考訳（メタデータ） (2025-04-06T02:57:58Z)
• ChatReID: Open-ended Interactive Person Retrieval via Hierarchical Progressive Tuning for Vision Language Models [49.09606704563898]
  人物の再識別はコンピュータビジョンにおいて重要な課題であり、重複しないカメラビューを通して個人を認識することを目的としている。 本稿では,テキストを優先した検索パラダイムに焦点を移し,フレキシブルかつインタラクティブな再識別を可能にする新しいフレームワークChatReIDを提案する。 本稿では,人物属性の理解からきめ細かい画像検索,マルチモーダルタスク推論に至るまで,3段階のチューニングを通じてRe-ID能力を実現する階層的プログレッシブチューニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-02-27T10:34:14Z)
• 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)
• Taking Modality-free Human Identification as Zero-shot Learning [46.51413603352702]
  我々は、新しいモダリティフリーヒューマン識別(MFHI)タスクを、スケーラブルな方法で汎用的なゼロショット学習モデルとして開発する。 各アイデンティティの識別プロトタイプを学習することで、視覚的および意味的なモダリティをブリッジすることができる。 さらに、意味論に基づく空間的注意は、高グローバルなカテゴリーレベルと局所的な属性レベルを区別した表現を得るために、視覚的モダリティに強制される。
  論文  参考訳（メタデータ） (2020-10-02T13:08:27Z)
• A Convolutional Baseline for Person Re-Identification Using Vision and Language Descriptions [24.794592610444514]
  現実世界の監視シナリオでは、クエリされた人に関する視覚的な情報は頻繁に提供されない。 クロスエントロピー損失によって制御される2つのストリームディープ畳み込みニューラルネットワークフレームワークを示す。 学習した視覚表現は、単一のモダリティシステムと比較して、より堅牢で、検索時に22%向上する。
  論文  参考訳（メタデータ） (2020-02-20T10:12:02Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)

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。