BiggerGait：利用大型视觉模型的层级表示解锁行走识别
计算机视觉与模式识别
2025-06-18 v3
摘要
基于大型视觉模型(LVM)的行走识别已取得令人印象的性能。然而，现有的LVM方法可能过度强调行走先验，而忽略LVM本身的内在价值，特别是其跨多个层的丰富且独特的表示。为了充分发掘LVM的潜力，本工作研究了层级表示对下游识别任务的影响。我们的分析揭示，LVM的中间层在不同任务中提供互补属性，将其整合即使没有丰富设计的行走先验，也可实现显著提升。基于这一洞察，我们提出一种简单且通用的基于LVM的行走识别基线，称为BiggerGait。在CCPG、CAISA-B*、SUSTech1K和CCGR_MINI上的全面评估表明，BiggerGait在within-和cross-domain任务中均优于现有方法，确立其作为行走表征学习的简单而实用的基线。所有模型和代码将公开提供。
引用
@article{arxiv.2505.18132,
title = {BiggerGait: Unlocking Gait Recognition with Layer-wise Representations from Large Vision Models},
author = {Dingqiang Ye and Chao Fan and Zhanbo Huang and Chengwen Luo and Jianqiang Li and Shiqi Yu and Xiaoming Liu},
journal= {arXiv preprint arXiv:2505.18132},
year = {2025}
}