論文の概要: Vocabulary-Guided Gait Recognition

• arxiv url: http://arxiv.org/abs/2609.18413v1
• Date: Wed, 16 Sep 2026 10:07:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.748529
• Title: Vocabulary-Guided Gait Recognition
• Title（参考訳）: 語彙誘導歩行認識
• Abstract要約: Vision-Language Models (VLMs)による人間の語彙による歩行概念の探索の試み 歩容関係マップと歩容ファインファインディテクタを設計し、歩容空間内の語彙関係を地図化して、対応する歩容特徴を検出する。 CASIA-B, CCPG, SUSTech1K, Gait3D, GREWの実験により, 歩行場におけるVLMからの語彙情報の潜在的価値と研究方向が明らかにされた。
• 参考スコア（独自算出の注目度）: 38.14298045470307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: What is a gait? Appearance-based gait networks consider a gait as the human shape and motion information from images. Model-based gait networks treat a gait as the human inherent structure from points. However, the considerations remain vague for humans to comprehend truly. In this work, we introduce a novel paradigm Vocabulary-Guided Gait Recognition, dubbed Gait-World, which attempts to explore gait concepts through human vocabularies with Vision-Language Models (VLMs). Although VLMs have achieved the remarkable progress in various vision tasks, the cognitive capability regarding gait modalities remains limited. The success element in Gait-World is the proper vocabulary prompt where this paradigm carefully selects gait cycle actions as Vocabulary Base, bridging the gait and vocabulary feature spaces and further promoting human understanding for the gait. How to extract gait features? Although previous gait networks have made significant progress, learning solely from gait modalities on limited gait databases makes it difficult to learn universal gait features for practicality. Therefore, we propose the first Gait-World model, dubbed α-Gait, which guides the gait network learning with vocabulary knowledge from VLMs. However, due to the heterogeneity of the modalities, directly integrating vocabulary and gait features is highly challenging as they reside in different embedding spaces. To address the issues, α-Gait designs Vocabulary Relation Mapper and Gait Fine grained Detector to map and establish vocabulary relations in the gait space for detecting corresponding gait features. Extensive experiments on CASIA-B, CCPG, SUSTech1K, Gait3D and GREW reveal the potential value and research directions of vocabulary information from VLMs in the gait field.
• Abstract（参考訳）: 歩行とは何か? 外観に基づく歩行ネットワークは、歩行を画像からの人間の形状と動き情報とみなす。 モデルに基づく歩行ネットワークは、歩行をポイントから人間固有の構造として扱う。 しかし、人間が真に理解する上での考慮事項はあいまいである。 本研究では,視覚言語モデル(VLM)を用いた人間の語彙による歩行概念の探索を目的とした,ゲイトワールド(Gait-World)と呼ばれる新しいパラダイムであるVocabulary-Guided Gait Recognitionを導入する。 VLMは様々な視覚タスクにおいて顕著な進歩を遂げているが、歩行モダリティに関する認知能力は依然として限られている。 ゲイトワールドの成功要素は適切な語彙のプロンプトであり、このパラダイムは、歩行サイクルのアクションをボキャブラリベースとして慎重に選択し、歩行と語彙の特徴空間をブリッジし、歩行に対する人間の理解をさらに促進する。 歩行の特徴を抽出する方法? 従来の歩行ネットワークは大きな進歩を遂げてきたが、限られた歩行データベースにおける歩行モダリティのみから学習することは、実用性のために普遍的な歩行特徴を学ぶのを困難にしている。 そこで我々は,VLMからの語彙知識による歩行ネットワーク学習を指導する,α-Gaitと呼ばれる最初のゲイトワールドモデルを提案する。 しかし、モダリティの不均一性のため、語彙と歩行の直接統合は、異なる埋め込み空間に存在するため、非常に困難である。 この問題に対処するため、α-Gaitは、対応する歩行特徴を検出するために、歩行空間における語彙関係をマッピングし確立するために、語彙関係マップと歩行ファインディテクタを設計した。 CASIA-B, CCPG, SUSTech1K, Gait3D, GREWの広範な実験により, 歩行領域におけるVLMからの語彙情報の潜在的価値と研究方向が明らかにされた。

関連論文リスト

• Exploring the Potential of Large Foundation Models for Open-Vocabulary HOI Detection [9.788417605537965]
  条件付き多レベルデコードと細粒度セマンティックエンハンスメントを備えた新しいエンドツーエンドオープン語彙HOI検出フレームワークを提案する。 提案手法は,開語彙HOI検出の最先端化を実現する。
  論文  参考訳（メタデータ） (2024-04-09T10:27:22Z)
• BigGait: Learning Gait Representation You Want by Large Vision Models [12.620774996969535]
  既存の歩行認識手法は、教師あり学習によって駆動されるタスク固有の上流に頼り、明確な歩行表現を提供する。 この傾向から逃れたこの研究は、BigGaitと呼ばれるシンプルだが効率的な歩行フレームワークを提案する。 BigGaitは、すべての目的の知識を、サードパーティの監視信号を必要としない暗黙の歩行表現に変換する。
  論文  参考訳（メタデータ） (2024-02-29T13:00:22Z)
• Aligning and Prompting Everything All at Once for Universal Visual Perception [79.96124061108728]
  APEは、さまざまなタスクを実行するために、すべてのことを一度に調整し、促す、普遍的な視覚知覚モデルである。 APEは、言語誘導接地をオープン語彙検出として再構成することで、検出と接地の収束を推し進める。 160以上のデータセットの実験では、APEが最先端のモデルより優れていることが示されている。
  論文  参考訳（メタデータ） (2023-12-04T18:59:50Z)
• OV-VG: A Benchmark for Open-Vocabulary Visual Grounding [33.02137080950678]
  この研究は、新規で挑戦的なオープンボキャブラリ視覚タスクを導入している。 包括的な目的は、言語記述と新しいオブジェクトのローカライゼーションの関連を確立することである。 我々は、7,272 OV-VG画像と1,000 OV-PL画像を含むベンチマークをキュレートした。
  論文  参考訳（メタデータ） (2023-10-22T17:54:53Z)
• Towards Open Vocabulary Learning: A Survey [146.90188069113213]
  ディープニューラルネットワークは,セグメンテーションやトラッキング,検出といった,さまざまなコアタスクにおいて,目覚ましい進歩を遂げている。 近年、視覚言語事前学習の急速な進歩により、オープンな語彙設定が提案されている。 本稿では,その分野における最近の発展を要約し分析し,オープンな語彙学習の徹底的なレビューを行う。
  論文  参考訳（メタデータ） (2023-06-28T02:33:06Z)
• World-to-Words: Grounded Open Vocabulary Acquisition through Fast Mapping in Vision-Language Models [17.131160146571148]
  我々は,オープンワールド言語学習における接地とブートストラップを検討するために,GOVA(Grounded Open Vocabulary Acquisition)を導入した。 目的としてグラウンドを強調表示する画像テキストペアを事前学習することで、新しい視覚的グラウンド言語モデルであるオブジェクト指向BERT(OctoBERT)を提案する。 我々は,OctoBERTがよりコヒーレントで高速な接地単語学習者であり,事前学習中に得られた接地能力が,未知語をより迅速かつ堅牢に学習する上で有効であることを実証した。
  論文  参考訳（メタデータ） (2023-06-14T18:10:05Z)

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。