GaitCrafter：用于生物识别保留人体步态合成的扩散模型
计算机视觉与模式识别
2025-08-20 v1 人工智能
摘要
步态识别是一种基于行走模式从距离上识别个体的有价值的生物识别任务。然而，它受限于缺乏大规模标记数据集以及在保留隐私的前提下为每个个体收集多样化步态样本的困难。为此，我们提出GaitCrafter，一个基于扩散模型的框架，用于在剪影域合成逼真的步态序列。不同于先前依赖模拟环境或其他生成模型的方法，GaitCrafter从头训练一个视频扩散模型，仅使用步态剪影数据。我们的做法使我们能够生成在时间上连贯且保持身份识别的步态序列。此外，生成过程是可控的——允许以各种协变量为条件，例如服装、携带物品和视角。我们表明，将GaitCrafter生成的合成样本纳入步态识别管道可提高性能，尤其是在面对挑战性条件时。此外，我们引入一种机制，通过插值身份嵌入生成新身份——即原始数据集中不存在的新型身份。这些新身份具有独特且一致的步态模式，对训练模型非常有用，同时保持真实主体的隐私。总体而言，我们的工作为利用扩散模型实现高质量、可控且隐私友好的步态数据生成迈出了重要一步。
引用
@article{arxiv.2508.13300,
title = {GaitCrafter: Diffusion Model for Biometric Preserving Gait Synthesis},
author = {Sirshapan Mitra and Yogesh S. Rawat},
journal= {arXiv preprint arXiv:2508.13300},
year = {2025}
}