GaitTriViT和GaitVViT:以变压器为基础的方法,强调步态识别中的空间或时间方面

科学领域:

• 计算机视觉 计算机视觉
• 生物识别信息 生物识别信息
• 人工智能的人工智能

背景情况:

• 步态识别是一个有前途的生物识别技术,但在低分辨率和远距离对象识别方面,仍然存在挑战.
• 传统方法通常依赖于卷积神经网络 (CNN),这些网络可能无法完全捕捉复杂的时空步行特征.
• 视觉转换器 (ViT) 已经成为计算机视觉中的强大替代品,为提高性能提供了潜力.

研究的目的:

• 介绍和评估两种新的基于变压器的步态识别方法:GaitTriViT和GaitVViT.
• 评估ViT在提取细粒度空间和时间特征的有效性,用于步态分析.
• 将这些新方法的性能与当前最先进的 (SOTA) 方法进行比较.

主要方法:

• 开发了GaitTriViT,一种利用视觉转换器 (ViT) 进行增强空间特征提取的方法.
• 开发了GaitVViT,一种使用视频视觉转换器 (Video ViT) 改进时间特征理解的方法.
• 评估了这两种方法在步态识别任务中的性能,并将它们与现有的SOTA模型进行了比较.

主要成果:

• 提出的基于变压器的方法,GaitTriViT和GaitVViT,在步态识别方面表现令人鼓舞.
• 结果表明,在将ViT应用于步态识别方面存在差距和挑战,特别是在复杂的场景中.
• 该研究强调了在使用ViT来执行这个生物识别任务时遇到的潜力和困难.

结论:

• 基于变压器的方法,特别是ViT,对推进步态识别技术具有重大前景.
• 需要进一步的研究和开发来克服所识别的挑战,并充分利用ViT在这个领域的能力.
• 视觉转换器在步态识别中的未来看起来很有希望,尽管目前的局限性.