[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

KeyRe-ID: वीडियो में पार्ट-अवेयर रिप्रेजेंटेशन का उपयोग करके मुख्य बिंदु-निर्देशित व्यक्ति पुनः-पहचान

Created by
  • Haebom

लेखक

जिनसियोंग किम, जियोंगहून सोंग, ग्योंगसियोंग बाक, ब्योंगजून नोह

रूपरेखा

KeyRe-ID एक वीडियो-आधारित व्यक्ति पुनर्पहचान ढाँचा है जो मुख्य बिंदुओं का लाभ उठाता है, और वैश्विक और स्थानीय शाखाओं के माध्यम से उन्नत स्थानिक-कालिक निरूपण अधिगम करता है। वैश्विक शाखा ट्रांसफ़ॉर्मर-आधारित टेम्पोरल एग्रीगेशन के माध्यम से समग्र पहचान अर्थविज्ञान को ग्रहण करती है, जबकि स्थानीय शाखा सूक्ष्म-कणीय भाग पहचान विशेषताएँ उत्पन्न करने के लिए मुख्य बिंदुओं के आधार पर शरीर के क्षेत्रों को गतिशील रूप से विभाजित करती है। MARS और iLIDS-VID बेंचमार्क पर व्यापक प्रयोग अत्याधुनिक प्रदर्शन प्रदर्शित करते हैं, जिससे MARS पर 91.73% mAP और 97.32% रैंक-1 सटीकता, और iLIDS-VID पर 96.00% रैंक-1 और 100.0% रैंक-5 सटीकता प्राप्त हुई। सार्वजनिक रिलीज़ के बाद हम GitHub पर कोड जारी करेंगे।

Takeaways, Limitations

Takeaways:
हम मुख्य बिंदु-आधारित स्थानिक-कालिक अभ्यावेदन सीखकर वीडियो-आधारित व्यक्ति पुनः-पहचान के प्रदर्शन में महत्वपूर्ण सुधार करते हैं।
वैश्विक और क्षेत्रीय शाखाओं के संयोजन के माध्यम से समग्र पहचान जानकारी और विस्तृत खंड जानकारी का प्रभावी ढंग से लाभ उठाना।
MARS और iLIDS-VID बेंचमार्क पर अत्याधुनिक प्रदर्शन हासिल किया।
खुले कोड प्रकटीकरण से अनुसंधान की पुनरुत्पादन क्षमता और उपयोगिता बढ़ जाती है।
Limitations:
चूंकि केवल विशिष्ट बेंचमार्क डेटासेट पर प्रदर्शन प्रस्तुत किया गया है, इसलिए अन्य डेटासेट पर सामान्यीकरण प्रदर्शन के लिए आगे के अध्ययन की आवश्यकता है।
प्रदर्शन मुख्य बिंदु निष्कर्षण की सटीकता पर निर्भर हो सकता है। मुख्य बिंदु निष्कर्षण त्रुटियों पर सुदृढ़ता अध्ययन आवश्यक है।
वास्तविक समय प्रसंस्करण गति पर विश्लेषण का अभाव है।
👍