論文の概要: Occluded Gait Recognition with Mixture of Experts: An Action Detection Perspective

• arxiv url: http://arxiv.org/abs/2609.18432v1
• Date: Wed, 16 Sep 2026 10:24:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.752687
• Title: Occluded Gait Recognition with Mixture of Experts: An Action Detection Perspective
• Title（参考訳）: 専門家の混在による没入歩行認識:行動検出の視点から
• Abstract要約: 本稿では、歩行シーケンスをアクションの合成と見なすアクション検出視点を提案する。 複雑な閉塞シナリオ下での正確な動作を検出するために,専門家の行動検出に基づく混合(GaitMoE)を提案する。 さらに、統一されたOcccludedベンチマークがないため、我々はOccGaitデータベース(OccGait)を先駆的に構築する。
• 参考スコア（独自算出の注目度）: 37.58042091246492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extensive occlusions in real-world scenarios pose challenges to gait recognition due to missing and noisy information, as well as body misalignment in position and scale. We argue that rich dynamic contextual information within a gait sequence inherently possesses occlusion-solving traits: 1) Adjacent frames with gait continuity allow holistic body regions to infer occluded body regions; 2) Gait cycles allow information integration between holistic actions and occluded actions. Therefore, we introduce an action detection perspective where a gait sequence is regarded as a composition of actions. To detect accurate actions under complex occlusion scenarios, we propose an Action Detection Based Mixture of Experts (GaitMoE), consisting of Mixture of Temporal Experts (MTE) and Mixture of Action Experts (MAE). MTE adaptively constructs action anchors by temporal experts and MAE adaptively constructs action proposals from action anchors by action experts. Especially, action detection as a proxy task with gait recognition is an end-to-end joint training only with ID labels. In addition, due to the lack of a unified occluded benchmark, we construct a pioneering Occluded Gait database (OccGait), containing rich occlusion scenarios and annotations of occlusion types. Extensive experiments on OccGait, OccCASIA-B,Gait3D and GREW demonstrate the superior performance of GaitMoE.OccGait is available at https://github.com/BNU-IVC/OccGait.
• Abstract（参考訳）: 現実世界のシナリオにおける広範囲な隠蔽は、行方不明で騒々しい情報による歩行認識や、位置と規模における身体の不整合に挑戦する。 我々は、歩行シーケンス内のリッチな動的文脈情報は、本質的には排他的解決特性を持っていると論じている。 1) 歩行連続性を有する隣接フレームは、閉塞した身体領域を推測する全体体領域を許容する。 2)歩行サイクルは,全体的行動と排他的行動との間の情報統合を可能にする。 そこで我々は、歩行シーケンスをアクションの合成と見なすアクション検出視点を提案する。 複雑な閉塞シナリオ下での正確な動作を検出するために,時間的エキスパートの混合(MTE)と行動的エキスパートの混合(MAE)からなる,行動検出に基づく専門家の混合(GaitMoE)を提案する。 MTEは時間の専門家によってアクションアンカーを適応的に構築し、MAEはアクションアンカーからアクションアンカーを適応的に構築する。 特に、歩行認識のプロキシタスクとしてのアクション検出は、IDラベルのみを用いたエンドツーエンドのジョイントトレーニングである。 また,OccGait データベースは,OccGait と OccGait が混在しているため,OccGait データベースを構築した。 OccGait、OccCASIA-B、Gait3D、GREWに関する大規模な実験は、GaitMoEの優れたパフォーマンスを示している。OccGaitはhttps://github.com/BNU-IVC/OccGaitで利用可能である。

関連論文リスト

• Unleashing Multimodal Large Language Models for Training-free HOI Detection in the Wild [49.77540427384148]
  本稿では,基礎モデルの汎用的マルチモーダル推論能力を野生でのHOI検出に伝達する,訓練不要なエージェント型フレームワークであるAgenHoIを提案する。 不完全な相互作用発見と複雑な場面におけるあいまいな局所化の課題に対処するために,2つの重要なメカニズムを導入する。 AgentHOIは、リアルタイム設定において、最先端の教師付きおよび弱教師付きメソッドよりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-07-15T14:30:20Z)
• REAL-OW: Rehearsal-free Open World Object Detection with Low-Rank Adaptation and Dual-Stage Objectness Modeling [56.888597798431704]
  Open-World Object Detection (OWOD) では、未確認のオブジェクトを未知のものとして識別し、それを既知のカテゴリのセットにインクリメンタルに組み込む必要がある。 既存のフレームワークは、破滅的な忘れを緩和するために、模範的なリプレイに大きく依存しているが、実際のアプリケーションでは、データアクセス制限との生データ競合を保存し、データ露出のリスクをもたらす。 協調的なアダプタアーキテクチャを通じて段階的な知識を分離する新しいリハーサルフリーフレームワークであるREAL-OWを提案する。
  論文  参考訳（メタデータ） (2026-07-03T06:38:54Z)
• Procedural Mistake Detection via Action Effect Modeling [10.358293338390716]
  アクション・エフェクト・モデリング(AEM)は、確率的定式化を通じてアクションの実行とその結果をキャプチャする統合されたフレームワークである。 AEMは、意味的関連性と視覚的品質に基づいて最も情報性の高い効果フレームを選択することにより、アクションの結果を特定する。 その後、視覚的接地とシンボリックシーングラフから補完的手がかりを抽出し、それらを共有潜在空間に整列させ、堅牢な効果認識表現を形成する。
  論文  参考訳（メタデータ） (2025-12-03T05:56:17Z)
• Hoi2Threat: An Interpretable Threat Detection Method for Human Violence Scenarios Guided by Human-Object Interaction [5.188958047067082]
  本稿では,Hoi2Threatを用いた人対物相互作用対(HOIペア)に基づく脅威検出手法を提案する。 本手法は,詳細なマルチモーダルTD-Hoiデータセットに基づいて,モデルのセマンティックモデリング能力を向上する。 実験の結果、いくつかの脅威検出タスクにおいて、Hoi2Threatが大幅に向上することが示されている。
  論文  参考訳（メタデータ） (2025-03-13T16:09:51Z)
• Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
  本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。 我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。 公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
  論文  参考訳（メタデータ） (2024-12-22T03:25:43Z)
• FinePseudo: Improving Pseudo-Labelling through Temporal-Alignablity for Semi-Supervised Fine-Grained Action Recognition [57.17966905865054]
  実生活における行動認識の応用は、しばしば微妙な動きのきめ細かい理解を必要とする。 既存の半教師ありアクション認識は主に粗いアクション認識に焦点を当てている。 そこで我々は,微粒なアクションペアの識別を効果的に行うための,アライナビリティ検証に基づくメトリック学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T20:08:06Z)
• Multiple Object Tracking based on Occlusion-Aware Embedding Consistency Learning [46.726678333518066]
  Occlusion Prediction Module (OPM)とOcclusion-Aware Association Module (OAAM) OPMは、真の検出毎に閉塞情報を予測し、トラックの視覚埋め込みの一貫性学習のための有効なサンプルの選択を容易にする。 OAAMは各トラックに対して2つの別々の埋め込みを生成し、非閉塞検出と非閉塞検出の両方で一貫性を保証する。
  論文  参考訳（メタデータ） (2023-11-05T06:08:58Z)
• 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)

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。