通过协作判别与生成扩散模型实现步态识别
计算机视觉与模式识别
2025-11-11 v1
摘要
步态识别通过识别个体的行走模式提供了一种非侵入式的生物识别解决方案。尽管判别模型在该领域取得了显著成功，但生成模型的全部潜力仍未得到充分探索。在本文中，我们介绍了**CoD**，一个新颖的框架，它将扩散模型的数据分布建模能力与判别模型的语义表示学习优势相结合，以提取稳健的步态特征。我们提出了一种多级条件控制策略，该策略融合了高级的身份感知语义条件和低级的视觉细节。具体来说，由判别提取器提取的高级条件引导生成身份一致的步态序列，而低级视觉细节（如外观和运动）则被保留以增强一致性。此外，生成的序列促进了判别提取器的学习，使其能够捕获更全面的高级语义特征。在四个数据集（SUSTech1K、CCPG、GREW和Gait3D）上的大量实验表明，CoD实现了最先进的性能，并且可以无缝集成到现有的判别方法中，带来一致的改进。
引用
@article{arxiv.2511.06245,
title = {Gait Recognition via Collaborating Discriminative and Generative Diffusion Models},
author = {Haijun Xiong and Bin Feng and Bang Wang and Xinggang Wang and Wenyu Liu},
journal= {arXiv preprint arXiv:2511.06245},
year = {2025}
}
备注
14 pages, 4figures