論文の概要: Subject-Level Unknown-Identity Identification from Leap Motion Controller 2 Hand Landmarks
- arxiv url: http://arxiv.org/abs/2606.22986v1
- Date: Mon, 22 Jun 2026 08:05:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 03:05:12.026838
- Title: Subject-Level Unknown-Identity Identification from Leap Motion Controller 2 Hand Landmarks
- Title（参考訳）: Leap Motion Controller 2ハンドランドマークによる主観レベル未知不確かさの同定
- Authors: Bahar Moharrer, Susanna Cifani, Marco Raoul Marini, Luigi Cinque, Maria De Marsico,
- Abstract要約: 本研究では,Lap Motion Controller 2(LMC2)ハンドランドマークデータからの被写体認識を,被写体レベルの未知の識別プロトコルの下で研究する。
目印のみを用いて指先間距離と手のひら正規化角形記述子を豊かにする。
その結果、コンパクトで解釈可能なランドマークベースの記述子により、接触のない手による未知のオブジェクトの拒絶と小さなコホートデータセットでの識別が可能になった。
- 参考スコア（独自算出の注目度）: 7.5390138241520575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work studies subject recognition from Leap Motion Controller 2 (LMC2) hand landmark data under a subject-level unknown-identity identification protocol on the Multi View Leap2 Hand Pose (ML2HP) dataset. Using only the landmark modality, we retain the original geometric representation and enrich it with fingertip-to-palm distances and palm-normalized inter-finger angular descriptors. Evaluation is performed under a Leave-One-Subject-Out (LOSO) protocol in which, for each outer fold, one subject is excluded from the enrolled set and treated as unknown at test time. To avoid tuning on the true outer unknown subject, the unknown-rejection threshold is selected in an inner validation step by temporarily withholding one enrolled subject from the inner gallery and using it only for threshold estimation. We compare a tree ensemble baseline with two neural alternatives: a learned embedding baseline based on centroid matching and cosine-similarity-based rejection, and an MLP+OpenMax model, which represents a more established open-set recognition approach. Under this evaluation setup, Extra Trees remains the strongest overall method, indicating that the main challenge on this benchmark is not enrolled-subject discrimination alone, but robust score separation between known and unknown probes. The results support the feasibility of compact, interpretable landmark-based descriptors for contactless hand-based unknown-subject rejection and identification on a small-cohort dataset.
- Abstract（参考訳）: 本研究は,Multi View Leap2 Hand Pose (ML2HP)データセット上で,被写体レベルの未知の識別プロトコルの下でのLeap Motion Controller 2 (LMC2)ハンドランドマークデータの主観認識について検討する。
ランドマークのみを用いて、元の幾何学的表現を保ち、指先間距離と手のひら正規化された指間角形記述子でそれを豊かにする。
評価はLeave-One-Subject-Out (LOSO)プロトコルで行われ、各外側の折り畳みに対して、登録されたセットから1つの被験者を除外し、テスト時に未知として扱われる。
真の外的未知の被写体へのチューニングを避けるため、内部ギャラリーから登録した被写体を一時的に保持し、しきい値推定にのみ使用することにより、未知の拒絶しきい値が内部検証ステップで選択される。
木アンサンブルベースラインと,セントロイドマッチングとコサイン類似性に基づく拒絶に基づく学習的埋め込みベースラインと,より確立されたオープンセット認識アプローチを示すMLP+OpenMaxモデルとを比較した。
この評価設定の下では、Extra Treesは依然として最強の総合的手法であり、このベンチマークの主な課題は、登録対象の識別のみではなく、未知のプローブ間の堅牢なスコア分離であることを示している。
その結果、コンパクトで解釈可能なランドマークベースの記述子により、接触のない手による未知のオブジェクトの拒絶と小さなコホートデータセットでの識別が可能になった。
関連論文リスト
- On the Evaluation Protocol of Gesture Recognition for UAV-based Rescue Operation based on Deep Learning: A Subject-Independence Perspective [0.0]
本報告では,フレームレベルのランダム・トレイン・テスト・スプリットによるほぼ完全精度の測定結果について述べる。
この評価は、目に見えない個人に対する一般化を測るものではないことを実証する。
論文 参考訳（メタデータ） (2026-02-19T21:37:42Z) - A Dataset for Semantic Segmentation in the Presence of Unknowns [49.795683850385956]
既存のデータセットは、既知のものや未知のもののみの評価を可能にするが、両方ではない。
乱雑な実環境からの多様な異常な入力を特徴とする,新しい異常セグメンテーションデータセットISSUを提案する。
データセットは、既存の異常セグメンテーションデータセットの2倍大きい。
論文 参考訳（メタデータ） (2025-03-28T10:31:01Z) - Keypoint Promptable Re-Identification [76.31113049256375]
Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。
本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。
我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
論文 参考訳（メタデータ） (2024-07-25T15:20:58Z) - Distillation-guided Representation Learning for Unconstrained Gait Recognition [50.0533243584942]
本研究では,屋外シナリオにおける人間認証のためのGADER(GAit Detection and Recognition)フレームワークを提案する。
GADERは、歩行情報を含むフレームのみを使用する新しい歩行認識手法により識別的特徴を構築する。
室内および屋外のデータセットに一貫した改善を示すため,複数の歩行ベースライン(SoTA)について評価を行った。
論文 参考訳（メタデータ） (2023-07-27T01:53:57Z) - Learning Classifiers of Prototypes and Reciprocal Points for Universal
Domain Adaptation [79.62038105814658]
Universal Domainは、ドメインシフトとカテゴリシフトという2つのシフトを処理して、データセット間で知識を転送することを目的としている。
主な課題は、既知のクラス知識の分布をソースからターゲットに適応させながら、未知のターゲットサンプルを正しく識別することである。
既存のほとんどの手法は、まずターゲットが適応した既知の知識を訓練し、次に未知のターゲットサンプルを識別するために単一のしきい値に依存することでこの問題に対処する。
論文 参考訳（メタデータ） (2022-12-16T09:01:57Z) - Dynamic Feature Pruning and Consolidation for Occluded Person
Re-Identification [21.006680330530852]
本研究では, 明示的な人間の構造解析を回避するために, 機能解析・統合(FPC)フレームワークを提案する。
フレームワークは主にスパースエンコーダ、マルチビュー機能mathcingモジュール、フィーチャーコンソリデーションデコーダで構成されている。
提案手法は,Occluded-Dukeデータセットにおいて,少なくとも8.6% mAPと6.0% Rank-1の精度で最新結果より優れる。
論文 参考訳（メタデータ） (2022-11-27T06:18:40Z) - The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。
我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。
我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
論文 参考訳（メタデータ） (2022-03-10T23:35:00Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳（メタデータ） (2021-12-13T17:11:32Z) - Self-Paced Uncertainty Estimation for One-shot Person Re-Identification [9.17071384578203]
本稿では,単発人物の自己ペース不確実性推定ネットワーク(spue-net)を提案する。
自己ペースサンプリング戦略を導入することで,ラベルなしサンプルの擬似ラベルを反復的に推定し,ラベル付きサンプルを拡張できる。
さらに,局所不確実性推定と決定性推定を併用した協調学習手法を適用し,より優れた隠れ空間特徴抽出を実現する。
論文 参考訳（メタデータ） (2021-04-19T09:20:30Z) - Sparse Semi-Supervised Action Recognition with Active Learning [10.558951653323286]
骨格に基づく行動認識の最先端の手法は、ラベルに依存して管理されている。
本稿では,骨格に基づく行動認識のための新しい手法であるSESARを提案する。
本研究の結果は, 単独骨格を用いた教師付きクラスタ識別と, スパースラベル標本に適用した場合のアクティブラーニング手法に優れていた。
論文 参考訳（メタデータ） (2020-12-03T07:48:31Z)
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。