論文の概要: Privacy-Preserving Person Re-Identification from Temporal Sequences with Transformer and Hungarian Optimization

• arxiv url: http://arxiv.org/abs/2606.23230v1
• Date: Mon, 22 Jun 2026 12:18:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 23:10:47.173637
• Title: Privacy-Preserving Person Re-Identification from Temporal Sequences with Transformer and Hungarian Optimization
• Title（参考訳）: トランスフォーマーとハンガリー最適化を用いた時間系列からのプライバシ保護者再同定
• Authors: Raphaël Delécluse, Hazem Wannous, Laurent Guimas,
• Abstract要約: 人物再識別(Re-ID)は、監視と人間の行動分析において重要な課題である。 従来のRGBベースのRe-IDメソッドはプライバシーを懸念する。 本稿では,深度画像を利用した新しいRe-ID手法を提案する。
• 参考スコア（独自算出の注目度）: 0.7340845393655052
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Person re-identification (Re-ID) is a crucial task in surveillance and human behavior analysis, often used in public spaces such as transport hubs. Traditional RGB-based Re-ID methods raise privacy concerns and are highly sensitive to lighting variations and occlusion. In this paper, we propose a novel Re-ID approach that leverages depth images, which inherently obscures facial and other identifiable features, making it a privacy-preserving solution. Our method addresses the association problem between multiple views of individuals by applying the Hungarian algorithm, optimizing the matching process through minimization of the global cost across the distance matrix. We further enhance the approach by introducing temporal sequences of frames as input to a Transformer encoder architecture, which exploits both RGB and depth modalities. This architecture captures dynamic movement patterns, improving feature extraction and re-identification accuracy. Additionally, we employ batch hard triplet loss to enhance discriminative feature learning by focusing on the hardest samples. We evaluate both depth-only and RGB-D models on several top-view datasets, including TVPR2, GODPR, and BIWI RGBD-ID. Our results demonstrate that depth-only re-identification can achieve competitive performance compared to state-of-the-art methods, as measured by standard metrics such as Cumulative Matching Characteristics (CMC) and Mean Average Precision (mAP), while prioritizing privacy preservation.
• Abstract（参考訳）: 人物再識別(Re-ID)は、しばしば交通ハブなどの公共空間で使用される監視と人間の行動分析において重要な課題である。 従来のRGBベースのRe-IDメソッドはプライバシーの懸念を高め、照明のバリエーションや閉塞に非常に敏感である。 本稿では,奥行き画像を利用した新しいRe-ID手法を提案する。 提案手法は,ハンガリーのアルゴリズムを適用し,距離行列全体にわたるグローバルコストの最小化によるマッチングプロセスを最適化することにより,個人間の関連性の問題に対処する。 我々はさらに、RGBと深さ変調の両方を利用するTransformerエンコーダアーキテクチャへの入力としてフレームの時間列を導入することで、アプローチをさらに強化する。 このアーキテクチャは動的な動きパターンをキャプチャし、特徴抽出と再同定精度を向上させる。 さらに,最も難しいサンプルに着目し,識別的特徴学習を強化するために,バッチ・ハード・トリプルト・ロスを用いる。 我々は,TVPR2,GODPR,BIWI RGBD-IDを含むいくつかのトップビューデータセットにおいて,深度限定モデルとRGB-Dモデルの両方を評価する。 以上の結果から,プライバシー保護を優先しつつ,CMC (Cumulative Matching Characteristics) や平均精度 (Mean Average Precision) などの標準指標によって測定された,最先端手法と比較して,深度のみの再同定が競争力を発揮することが示された。

関連論文リスト

• Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
  MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。 このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。 クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
  論文  参考訳（メタデータ） (2025-03-21T12:27:49Z)
• Confidence-Aware RGB-D Face Recognition via Virtual Depth Synthesis [48.59382455101753]
  2D顔認証は、照明、閉塞、ポーズの変化により、制約のない環境において課題に遭遇する。 近年の研究では、深度情報を組み込んだRGB-D顔認証に焦点が当てられている。 本研究では,まず,深度モデル事前学習のための3次元Morphable Modelsによって生成された多様な深度データセットを構築する。 そこで本研究では,手軽に利用できるRGBと深度モデルを利用したドメイン非依存の事前学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:12:24Z)
• Egocentric RGB+Depth Action Recognition in Industry-Like Settings [50.38638300332429]
  本研究は,産業的な環境下での自我中心のRGBとDepthモダリティからの行動の認識に焦点を当てる。 我々のフレームワークは、RGBとDepthの両方のモダリティを効果的に符号化する3DビデオSWIN変換器に基づいている。 また,ICIAP 2023におけるマルチモーダル動作認識チャレンジにおいて,本手法が第1位を確保した。
  論文  参考訳（メタデータ） (2023-09-25T08:56:22Z)
• A Multi-modal Approach to Single-modal Visual Place Classification [2.580765958706854]
  RGBと深度(D)を組み合わせたマルチセンサー融合アプローチが近年人気を集めている。 単一モードRGB画像分類タスクを擬似多モードRGB-D分類問題として再構成する。 これら2つのモダリティを適切に処理し、融合し、分類するための、実践的で完全に自己管理されたフレームワークについて説明する。
  論文  参考訳（メタデータ） (2023-05-10T14:04:21Z)
• SFANet: A Spectrum-aware Feature Augmentation Network for Visible-Infrared Person Re-Identification [12.566284647658053]
  クロスモダリティマッチング問題に対するSFANetという新しいスペクトル認識特徴量化ネットワークを提案する。 grayscale-spectrumイメージで学習すると、モダリティの不一致を低減し、内部構造関係を検出することができる。 特徴レベルでは、特定および粉砕可能な畳み込みブロックの数のバランスをとることにより、従来の2ストリームネットワークを改善します。
  論文  参考訳（メタデータ） (2021-02-24T08:57:32Z)
• Robust Person Re-Identification through Contextual Mutual Boosting [77.1976737965566]
  本研究では,歩行者の局地化を目的としたコンテキスト相互ブースティングネットワーク(CMBN)を提案する。 歩行者をローカライズし、文脈情報と統計的推測を効果的に活用することで特徴を再検討する。 ベンチマークの実験は、最先端のアーキテクチャと比較してアーキテクチャの優位性を示している。
  論文  参考訳（メタデータ） (2020-09-16T06:33:35Z)
• Bi-directional Cross-Modality Feature Propagation with Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
  深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。 既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。 本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:35:24Z)

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。