Oct, 2023

ShARc: 面孔与外貌识别技术在野外环境下的应用

PDF
TL;DR在本篇论文中，我们介绍了一种名为 ShARc 的多模态方法，用于在非受控环境中基于视频进行人员识别，着重考虑了 3D 身体形状、姿势和外貌。我们引入了两个编码器：姿势和形状编码器（PSE）和聚合外貌编码器（AAE）。PSE 通过二值化轮廓、骨骼运动和 3D 身体形状对身体形状进行编码，而 AAE 提供了两个级别的时间外貌特征聚合：基于注意力的特征聚合和平均聚合。我们展示了在公共数据集，包括 CCVID、MEVID 和 BRIAR 上，相对于现有最先进方法的显著改进。
video-based person identificationunconstrained video settingssharcmultimodal approachbody shape, pose, and appearance
发现论文，激发创造
  • 基于注意力的形状和步态表示学习方法对基于视频的更衣人物再识别

    本研究提出了一种基于注意力机制的形状和步态表示学习框架，通过使用空间 - 时间图注意力网络进行服装变化下的人物再识别，从而提高了人物再识别的性能。

    Feb, 2024

  • 基于形状中心的可见 - 红外人员再识别表示学习

    提出了一种以形状为中心的表示学习框架 (ScRL)，该框架集中于学习与形状相关的形状特征和外观特征，通过形状特征传播、红外形状补偿和外观特征增强等方法来解决当前可见 - 红外人物重新识别方法在形状特征提取中遇到的挑战，取得了显著的结果。

    Oct, 2023

  • 基于多样性正则化的时空关注力视频人物再识别

    提出了一种新的时空注意力模型，可以自动发现多样化的特征，并使用空间和时间的注意力组合提取有用的信息，从整个视频序列中学习潜在的面部、躯干和其他身体部位的隐藏表示，通过三个数据集的评估发现算法优于现有方法。

    Mar, 2018

  • 基于深度的人物识别的递归注意模型

    本文提出了一种基于注意力机制的人体形状和运动动力学的识别模型，用于在没有 RGB 信息的情况下对人员身份进行识别。该模型利用独特的 4D 时空特征，采用卷积和循环神经网络相结合的形式，目标是识别代表人类身份的小的、具有区分性的区域。结果表明，该模型能够在多个公开数据集上产生当今最先进的结果。同时，本文还对该模型在视角、外貌和容积变化方面的鲁棒性进行了研究，并分享了该模型时空注意力的可解释的可视化结果。

    Nov, 2016

  • 可见光 - 红外人员重识别的形态消除特征学习

    提出了一种基于消除身体形状信息的特征学习模式，以增强可见 - 红外人员重新识别的模态共享特征的多样性，并在多个数据集上证明了该方法的有效性。

    Apr, 2023

  • 具有局部感知注意力的自监督步态编码用于人员再识别

    本研究提出一种新的基于骨架数据进行个人再识别的方法，利用无标记的骨架数据进行自我监督学习，结合局部关联注意机制和 Attention-based Gait Encodings 方法提取出更具区分性的步态特征，可有效提升现有基于骨架数据的方法 10-20％的排名 1 准确度，并且在与有 RGB 或深度信息的多模式方法相比时，表现相当甚至更优秀。

    Aug, 2020

  • 人员再识别的注意力感知组合网络

    该论文提出了一种新型的名为 Attention-Aware Compositional Network 的框架，用于人物再识别。该框架主要包括姿态引导下的部分关注和关注感知特征组合两个模块，并利用人体姿态估计结果来处理姿态变化和背景混杂的问题，对几个公共数据集进行了广泛的实验，并取得了最先进的效果。

    May, 2018

  • 一种具有局部感知的自监督步态编码方法用于基于三维骨架的人员重新识别

    本文提出了一种自监督步态编码方法，通过生成反向骨架序列实现了足够丰富的高层语义，并且结合局部感知机制和对比学习策略，设计出有效的步态编码，在人物重新识别领域中超过了其它方法达 15% 至 40% 的 Rank-1 准确度。

    Sep, 2020

  • ShAPO: 多目标形状、外观和姿态优化的隐式表征

    该研究提出了一种用于目标识别、3D 萃取、6D 姿态和大小估计的多任务检测流水线 ——ShAPO，其利用单激光雷达管道、分别处理形状、外观和姿态潜在编码以及各个实例的掩码进行多目标检测。在学习对象的形状和外观空间时，还建议了一种新型的解缠绕形状和外观先验库。同时，它还提出了一种新颖的、基于八叉树的可微优化步骤，使我们能够同时改善对象的形状、姿态和外观。最后，基于实验，我们演示了我们的方法在真实场景中的准确性，并证明了该方法的效果要明显优于现有方法，在 6D 姿态估计方面提高了 8% 的 mAP。

    Jul, 2022

  • 用于重建可控制人物的结构化三维特征

    本研究提出了一种基于隐式 3D 表示的 Structured 3D Features 模型，通过对参数统计人体网格表面进行密集的 3D 点采样并将像素对齐的图像特征汇集到其中，生成一个单端到端模型，可以生成带有颜色和光照分解的动画化 3D 重建图像，在 3D 虚拟试穿等应用领域有很大应用潜力。

    Dec, 2022