注视你的视角：步态识别中的视角偏置域差距与无监督自适应
计算机视觉与模式识别
2023-12-12 v3
摘要
步态识别是一项旨在通过行走模式识别人员的计算机视觉任务。尽管现有方法在特定数据集上常表现出高性能，但它们缺乏泛化至未知场景的能力。无监督域自适应（UDA）试图将在源域上以监督方式预训练的模型适配至无标签目标域。关于步态识别UDA的工作甚少，且提出的解决方案局限于有限场景。本文中，我们揭示了步态识别模型自适应中的一种基本现象，该现象由目标域对视角或行走方向的偏置所引起。随后，我们提出一种补救方法，通过结合课程学习的新型三元组选择策略来降低此偏置。为此，我们提出基于步态朝向的无监督域自适应方法（GOUDA）。我们在四个广泛使用的步态数据集CASIA-B、OU-MVLP、GREW和Gait3D，以及三种骨干网络GaitSet、GaitPart和GaitGL上进行了充分实验，验证了视角偏置并展示了我们所提方法相对于先前UDA工作的优越性。
引用
@article{arxiv.2307.06751,
title = {Watch Where You Head: A View-biased Domain Gap in Gait Recognition and Unsupervised Adaptation},
author = {Gavriel Habib and Noa Barzilay and Or Shimshi and Rami Ben-Ari and Nir Darshan},
journal= {arXiv preprint arXiv:2307.06751},
year = {2023}
}
备注
Accepted to WACV 2024