高密度3D表現とベンチマークによる野生の歩行認識【JST・京大機械翻訳】

Zheng Jinkai; Liu Xinchen; Liu Wu; He Lingxiao; Yan Chenggang; Mei Tao

プレプリント

J-GLOBAL ID：202202218012259379 整理番号：22P0326991

高密度3D表現とベンチマークによる野生の歩行認識【JST・京大機械翻訳】

Gait Recognition in the Wild with Dense 3D Representations and A Benchmark

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年04月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

歩行認識のための既存の研究は,制約されたシーンにおける人体のシルエットまたは骨格のような2D表現によって支配されている。しかしながら,人間は,制約のない3D空間で生活し,歩行し,2D平面に3D人体を投影することは,歩行認識のための視点,形状,および動力学のような多くの重要な情報を捨てる。したがって,本論文では,実用的ではあるが無視された問題である,野生における歩行認識のための高密度3D表現を探索することを目的とした。特に,著者らは,SMPLGaitという名の歩行認識のための人体の3D皮膚化マルチピアソン線形(SMPL)モデルを探索するための新しいフレームワークを提案した。このフレームワークは,シルエットから外見特徴を抽出する2つの精巧に設計された分岐を持ち,他の学習は3D SMPLモデルから3D視点と形状の知識を学習する。さらに,適切なデータセットの欠如により,Gait3Dと名付けた最初の大規模3D表現ベース歩行認識データセットを構築した。それは,無制約の屋内場面で39台のカメラから抽出された4,000人の被験者と25000以上のシーケンスを含む。さらに重要なことに,それは物体形状,視点,および動力学の密な3D情報を提供できるビデオフレームから回復した3D SMPLモデルを提供する。Gait3Dに基づいて,著者らのフレームワークの優れた性能と野生における歩行認識のための3D表現の可能性を反映する既存の歩行認識アプローチと著者らの方法を包括的に比較した。コードとデータセットはhttps://gait3d.github.ioで利用可能である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る