Fugu-MT 論文翻訳(概要): Beyond Gait: Person Identification from Millimeter-Wave Point Clouds Across Activities of Daily Living

論文の概要: Beyond Gait: Person Identification from Millimeter-Wave Point Clouds Across Activities of Daily Living

arxiv url: http://arxiv.org/abs/2609.08818v1
Date: Tue, 08 Sep 2026 14:41:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 15:36:44.385834
Title: Beyond Gait: Person Identification from Millimeter-Wave Point Clouds Across Activities of Daily Living
Title（参考訳）: 歩行を超えて: 日常生活活動におけるミリ波点雲からの個人識別
Abstract要約: ミリ波(mmWave)点雲からの人物識別は主に歩行に依存している。新しいポイントクラウドデータセットであるmm-ADLを用いて,7つのADLの識別について検討した。本稿では、人間のアクティビティ認識ルータが各クリップをアクティビティ固有のアイデンティティエキスパートにディスパッチするアクティビティ条件付きフレームワークを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Person identification from millimeter-wave (mmWave) point clouds has mainly relied on gait. Indoor walking, however, is often brief and interrupted, while other activities of daily living (ADLs) may provide complementary identity information. We investigate identification across seven ADLs using mm-ADL, a new point-cloud dataset collected from 11 subjects under a controlled protocol. This extension introduces heterogeneous states and transitions whose spatial and temporal characteristics vary with activity. We therefore study whether activity can provide useful context for learning identity representations. We propose an activity-conditioned framework in which a human activity recognition router dispatches each clip to an activity-specific identity expert. The framework is implemented as a supervised mixture of experts, using a dual-stream static-dynamic PointNet (DS-SDPNet) to combine time-aggregated spatial structure with frame-to-frame information. We evaluate closed-set identification (ID) and subject-disjoint re-identification (ReID). With learned hard routing, ID accuracy increases from 62.1% to 68.0%. In a two-occupant ReID setting, hard routing increases mAP from 57.2% to 75.4% and Rank-1 accuracy from 59.1% to 82.1%. Under a matched gallery partition, activity-specific experts also outperform a shared embedding, showing that the gain extends beyond restricting the gallery. These results support the feasibility of using ADLs beyond gait for identification and the value of activity conditioning under controlled indoor conditions.
Abstract（参考訳）: ミリ波(mmWave)点雲からの人物識別は主に歩行に依存している。しかし、室内歩行はしばしば短く中断されるが、他の日常生活活動(ADL)は相補的なアイデンティティ情報を提供する。制御プロトコルを用いて,11名の被験者から収集した新たなポイントクラウドデータセットであるmm-ADLを用いて,7つのADLの識別について検討した。この拡張は、空間的および時間的特性が活動によって異なる異種状態と遷移を導入する。そこで本研究では,行動がアイデンティティ表現の学習に役立つかどうかを考察する。本稿では、人間のアクティビティ認識ルータが各クリップをアクティビティ固有のアイデンティティエキスパートにディスパッチするアクティビティ条件付きフレームワークを提案する。このフレームワークは,DS-SDPNet(Dual-stream static-dynamic PointNet)を用いて,時間集約空間構造とフレーム・ツー・フレーム情報を組み合わせることによって,専門家の監督による混合として実装されている。閉集合同定 (ID) と主観的再同定 (ReID) について検討した。学習されたハードルーティングでは、IDの精度は62.1%から68.0%に向上する。 2つのReID設定では、ハードルーティングはmAPを57.2%から75.4%に、ランク1の精度を59.1%から82.1%に向上させる。一致するギャラリーのパーティションの下では、アクティビティ固有の専門家が共有埋め込みよりも優れており、ギャラリーの制限を超えて利益が伸びていることを示している。これらの結果は,歩行以外のADLを識別に利用し,室内環境下での活動条件付けの意義を裏付けるものである。

関連論文リスト

DeSPITE: Exploring Contrastive Deep Skeleton-Pointcloud-IMU-Text Embeddings for Advanced Point Cloud Human Activity Understanding [65.72663487116439]
DeSPITEはDeep Skeleton-Pointcloud-IMU-Text Embeddingモデルである。 MSR-Action3D と HMPEAR の実験により,DeSPITE は点雲 HAR に対する効果的な事前学習戦略であることを示す。
論文参考訳（メタデータ） (2025-06-16T18:18:44Z)
Diffusion based Semantic Outlier Generation via Nuisance Awareness for Out-of-Distribution Detection [9.936136347796413]
アウト・オブ・ディストリビューション(OOD)検出は、最近、合成OODデータセットによるトレーニングを通じて有望な結果を示している。本稿では, 難解な外乱を生じさせる新しいフレームワークであるセマンティック外乱生成手法(SONA)を提案する。提案手法はSONAガイダンスを取り入れ,IDサンプルの意味領域とニュアンス領域を分離的に制御する。
論文参考訳（メタデータ） (2024-08-27T07:52:44Z)
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)
Segment Any Point Cloud Sequences by Distilling Vision Foundation Models [55.12618600523729]
Sealは、さまざまな自動車のポイントクラウドシーケンスをセグメント化するためのビジョンファウンデーションモデル(VFM)を利用するフレームワークである。 Sealはスケーラビリティ、一貫性、一般化性という3つの魅力的な特性を示している。
論文参考訳（メタデータ） (2023-06-15T17:59:54Z)
GaitGS: Temporal Feature Learning in Granularity and Span Dimension for Gait Recognition [34.07501669897291]
GaitGSは、時間的特徴を粒度とスパン次元の両方で同時に集約するフレームワークである。本手法は,2つのデータセットに対して98.2%,96.5%,89.7%のランク1精度を達成し,最先端の性能を示す。
論文参考訳（メタデータ） (2023-05-31T09:48:25Z)
DIR-AS: Decoupling Individual Identification and Temporal Reasoning for Action Segmentation [84.78383981697377]
完全な教師付きアクションセグメンテーションは、高密度アノテーションによるフレームワイドアクション認識に作用し、しばしば過剰なセグメンテーションの問題に悩まされる。本研究では, 時間的ピラミッド拡張と時間的ピラミッドプールを併用して, 効率的なマルチスケールアテンションを実現するため, 新たなローカル・グローバルアテンション機構を開発した。 GTEAでは82.8%(+2.6%)、Breakfastでは74.7%(+1.2%)の精度を実現し,本手法の有効性を示した。
論文参考訳（メタデータ） (2023-04-04T20:27:18Z)
Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
論文参考訳（メタデータ） (2023-04-04T07:24:51Z)
GaitTAKE: Gait Recognition by Temporal Attention \\and Keypoint-guided Embedding [35.91172547755888]
我々は、時間的注意とキーポイント誘導埋め込み(GaitTAKE)と呼ばれる新しい歩行認識フレームワークを提案する。実験の結果,提案手法は歩行認識において,98.0%(正常),97.5%(バッグ),92.2%(コート)の新たなSOTAを実現することがわかった。
論文参考訳（メタデータ） (2022-07-07T22:38:54Z)
On Exploring Pose Estimation as an Auxiliary Learning Task for Visible-Infrared Person Re-identification [66.58450185833479]
本稿では,Pose Estimationを補助学習タスクとして活用して,エンドツーエンドフレームワークにおけるVI-ReIDタスクを支援する。これら2つのタスクを相互に有利な方法で共同でトレーニングすることにより、高品質なモダリティ共有とID関連の特徴を学習する。 2つのベンチマークVI-ReIDデータセットの実験結果から,提案手法は一定のマージンで最先端の手法を継続的に改善することが示された。
論文参考訳（メタデータ） (2022-01-11T09:44:00Z)

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。