- …
- …
#104
summarized by : Koki Obinata
どんな論文か？
歩容認証において，姿勢と容姿の情報をAuto Encoderで分離し，一連の姿勢情報をLSTMに入力することで認証を行う．3種類のベンチマーク(内1つは本論文のデータセット)でSOTAを達成．前からの歩行撮影をメインとした歩容解析データベースも作成している．
新規性
姿勢情報と容姿(服装等)の分離をAuto Encoderで学習した点．学習時にはロスの構成を工夫しており，3種類のロスを用いている．また，歩容解析のデータセットでは横からの歩行データがメインとなっていたが，より推定が難しくなる前方からの歩行データを収集した点(Frontal-View Gait, FVG)．
結果
既存のデータセット2つ(CASIA-B, USF)及び本論文で収集したFVGにおいて，現在のSOTAモデル及び他のベースラインモデルと比較し，SOTAを達成．
その他（なぜ通ったか？等）
SOTAを達成した点．
よりタスクとして難しい，新しいデータセットを作成した点．
- …
- …