通过残差差距校正桥接遮挡：基于残差差距校正的遮挡行人识别
计算机视觉与模式识别
2025-07-23 v2
摘要
行人姿态因其在远距离识别人类的能力而日益流行。然而，当前大多数行人识别作品都未能解决实际问题中的遮挡问题。其中一些需要遮挡序列和整体序列的配对元组，这在现实世界中不实用。此外，这些方法在处理遮挡时未能保持对整体输入的性能。为此，我们提出了 RG-Gait，这是一种用于遮挡行人识别的残差校正方法，同时保持整体识别能力。我们将问题建模为残差学习任务，概念化遮挡行人姿态签名为整体行人表示的残差偏差。我们提出的网络能够适应性地整合所学残差，显著提高遮挡行人序列的性能，而不会损害整体识别准确性。我们在具有挑战性的 Gait3D、GREW 和 BRIAR 数据集上对我们的方案进行评估，并表明学习残差是一种有效的技术，可用于保持整体识别能力的遮挡行人识别。我们将代码公开于 https://github.com/Ayush-00/rg-gait。
引用
@article{arxiv.2507.10978,
title = {Mind the Gap: Bridging Occlusion in Gait Recognition via Residual Gap Correction},
author = {Ayush Gupta and Siyuan Huang and Rama Chellappa},
journal= {arXiv preprint arXiv:2507.10978},
year = {2025}
}
备注
Accepted at IJCB 2025