基于扩散模型的单线激光器步态序列上采样
计算机视觉与模式识别
2024-10-15 v2
摘要
最近，3D LiDAR作为基于步态的人体识别技术，因其在不同光照条件下的鲁棒性以及捕获3D几何信息的能力，成为传统RGB摄像机的有力替代方案。然而，长距离捕获或使用低成本LiDAR传感器常导致稀疏的人体点云，从而导致识别性能下降。为此，我们提出了一种用于LiDAR基于步态识别的行人点云稀疏到稠密上采样模型，称为LidarGSU，旨在提高现有识别模型的泛化能力。该方法利用扩散概率模型(DPMs)，后者在图像完成等生成任务中表现出高保真度。在本工作中，我们将DPMs应用于稀疏的顺序行人点云作为条件掩码，采用视频到视频翻译方法，以填充方式应用。我们在SUSTeck1K数据集上进行了大量实验，以评估所提出方法的生成质量和识别性能。此外，我们展示了该上采样模型的实际应用性，该模型使用低分辨率传感器在不同测量距离下捕获。
引用
@article{arxiv.2410.08680,
title = {Gait Sequence Upsampling using Diffusion Models for Single LiDAR Sensors},
author = {Jeongho Ahn and Kazuto Nakashima and Koki Yoshino and Yumi Iwashita and Ryo Kurazume},
journal= {arXiv preprint arXiv:2410.08680},
year = {2024}
}