Loading...
机构名称:
¥ 1.0

通过3D骨骼重新识别的人是一个重要的新兴研究领域,在模式识别统计中引起了人们的越来越多的关注。在各种应用方案中都具有独特的优势,近年来已经提出了许多基于3D骨架的人重新识别(SRID)方法(SRID)方法,并具有Di-Verse Skeleton建模和学习范式。在这项调查中,我们对最近的SRID进步进行了全面的审查和分析。首先,我们定义了SRID任务,并为其起源和主要进步提供了概述。其次,我们制定了一种系统的分类法,该分类法将现有的方法组织为基于不同的Skeleton建模(即手工制作的,基于序列的,基于图)的三类类别。然后,我们详细介绍了这三个类别的代表模型,并分析了他们的利弊。与此同时,我们对主流范围内的主流,自我监督和无监督的SRID学习范式和相应的骨骼学习任务进行了深入的评论。对最先进的SRID方法进行了彻底的评估,进一步对各种类型的基准和协议进行了比较,以比较它们的有效性和效率。fi-Nelly,我们讨论了现有研究的挑战以及未来研究的有希望的方向,强调了SRID的潜在影响和应用。可以在https://github.com/kali-hac/srid上获得策划的宝贵资源集合。

arxiv:2401.15296v2 [cs.cv] 2025年2月6日

arxiv:2401.15296v2 [cs.cv] 2025年2月6日PDF文件第1页

arxiv:2401.15296v2 [cs.cv] 2025年2月6日PDF文件第2页

arxiv:2401.15296v2 [cs.cv] 2025年2月6日PDF文件第3页

arxiv:2401.15296v2 [cs.cv] 2025年2月6日PDF文件第4页

arxiv:2401.15296v2 [cs.cv] 2025年2月6日PDF文件第5页

相关文件推荐

2025 年
¥2.0
2025 年
¥1.0
2025 年
¥1.0
2025 年
¥7.0
2025 年
¥2.0
2025 年
¥2.0