モダリティのない人間の識別をゼロショット学習として採用
Taking Modality-free Human Identification as Zero-shot Learning 人間の識別は、イベントの検出、個人の追跡、および公安において重要なトピックです。顔の識別、人の再識別、歩行の識別など、人間の識別のために提案された多くの方法があります。通常、既存の方法では、クエリされた画像が主に画像ギャラリーセット（I2I）内の特定のIDに分類されます。これは、クエリのテキストによる説明または属性ギャラリーセットのみがさまざまなビデオ監視アプリケーション（A2IまたはI2A）で利用できるシナリオでは深刻に制限されます。ただし、モダリティのない識別、つまりスケーラブルな方法で設定されたギャラリー内のクエリの識別に向けられた取り組みはほとんどありません。この作業では、最初の試みを行い、スケーラブルな方法で一般的なゼロショット学習モデルとして、このよう
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2407.03550v2
https://arxiv-check-250201.firebaseapp.com/each/2407.03550v1
https://arxiv-check-250201.firebaseapp.com/each/2405.04741v1
https://arxiv-check-250201.firebaseapp.com/each/2403.13190v1
コンピュータ ビジョンにおけるローカル メカニズムの最近の進歩: 最近の研究の調査と展望
https://arxiv-check-250201.firebaseapp.com/each/2305.08386v2
CLIP-ReIdent: プレイヤー再識別のための対照トレーニング
ディープ3Dフィッティングとメトリック学習による個々のグレビーシマウマの識別に向けて
きめ細かい再識別