GaitSnippet：超越无序集合与有序序列的行动识别
计算机视觉与模式识别
2026-03-05 v2
摘要
近期行动识别的进展显著提升了性能，将 silhouettes 视为无序集合或有序序列。然而，基于集合的方法倾向于忽略单个帧的短程时序上下文，而基于序列的方法则难以有效捕获长程时序依赖。为此，我们致力于人类识别灵感，提出一种新的视角，将人类行动概念为一系列个性化动作的组成。每个动作由来自序列连续片段中随机选择的一系列帧表示，我们称之为片段。根本上，给定序列的片段集合使我们能够纳入多尺度时序上下文，促进更全面的行动特征学习。此外，我们提出一种针对片段基行动识别的非平凡解决方案，聚焦于片段采样和片段建模两个关键组件。在四个广泛使用的行动数据集上的大量实验验证了我们方法的有效性，更重要的是，突显了行动片段的潜力。例如，我们的方法在 Gait3D 上实现了 77.5% 的秩-1 准确率，在 GREW 上实现了 81.7% 的准确率，使用 2D 卷积作为 backbone。
引用
@article{arxiv.2508.07782,
title = {GaitSnippet: Gait Recognition Beyond Unordered Sets and Ordered Sequences},
author = {Saihui Hou and Chenye Wang and Wenpeng Lang and Zhengxiang Lan and Yongzhen Huang},
journal= {arXiv preprint arXiv:2508.07782},
year = {2026}
}
备注
Accepted by ICLR 2026