今日 Paper | 旋轉不變混合圖形模型網路；人體移動軌跡；行人再識別；基準成像系統等

2020 年 2 月 24 日
筆記

用於二維手勢估計的旋轉不變混合圖形模型網路
從人體移動軌跡中學習具有空間層次的細粒度位置嵌入
中等服裝變化下基於輪廓草圖的行人再識別
基準成像系統的綜合資料庫
基於雙向語言模型的半監督序列標註

用於二維手勢估計的旋轉不變混合圖形模型網路

論文名稱：Rotation-invariant Mixed Graphical Model Network for 2D Hand Pose Estimation

作者：Kong Deying /Ma Haoyu /Chen Yifei /Xie Xiaohui

發表時間：2020/2/5

論文鏈接：https://arxiv.org/abs/2002.02033v1

推薦原因

這篇論文發表於WACV 2020，考慮的是二維手姿勢估計問題。

這篇論文提出了一種名為旋轉不變混合圖形模型網路（R-MGMN）的網路架構，用來解決單攝影機採集的RGB影像中的二維手姿勢估計問題。通過集成一個旋轉網路，R-MGMN可以應對影像中手的旋轉。R-MGMN還具有一個圖形模型庫，可以根據輸入影像來選擇圖形模型的組合。R-MGMN通過在每個圖形模型上執行置信傳播來生成一組邊際分布，然後將這些邊際分布作為手部關鍵點位置的置信度映射，最終所有的置信度映射合在一起得到最終的置信度映射。這篇論文在兩個公共手勢數據集上評估了R-MGMN，實驗結果表明R-MGMN明顯優於其他的演算法。

從人體移動軌跡中學習具有空間層次的細粒度位置嵌入

論文名稱：Learning Fine Grained Place Embeddings with Spatial Hierarchy from Human Mobility Trajectories

作者：Shimizu Toru /Yabe Takahiro /Tsubouchi Kota

發表時間：2020/2/6

論文鏈接：https://arxiv.org/abs/2002.02058v1

推薦原因

這篇論文考慮的是位置嵌入問題。

以往的研究通過人員流動軌跡來生成位置嵌入，而實際應用需要具有高空間解析度的位置嵌入。由於數據稀疏性，許多應用不得不降低空間解析度，從而導致位置嵌入品質的降低。為了解決這個問題，這篇論文提出了一種生成細粒度位置嵌入的方法，根據觀察到的數據點的局部密度來利用空間層次資訊。基於日本3個城市的真實世界軌跡數據，這篇論文實驗了下一個位置的預測任務，驗證了所提的位置嵌入方法的有效性。

中等服裝變化下基於輪廓草圖的行人再識別

論文名稱：Person Re-identification by Contour Sketch under Moderate Clothing Change

作者：Yang Qize /Wu Ancong /Zheng Wei-Shi

發表時間：2020/2/6

論文鏈接：https://arxiv.org/abs/2002.02295v1

推薦原因

這篇論文要解決的是行人重識別問題。

與以往只考慮同一個著裝的行人重識別問題不同，這篇論文定義了跨服飾行人重識別問題，即在不同著裝下的行人重識別任務。這篇論文考慮的是在短時間內，天氣沒有變化，因此行人穿著的衣服的厚度沒有大的變化，從而通過處理行人影像的輪廓草圖，而不是通過衣服的顏色資訊，來提取特徵。這種方式可以對於服飾的變化更加魯棒。這篇論文還為了這個問題建了一個來自221個行人的包含33698張影像的數據集。通過在新數據集上的實驗，這篇論文驗證了所提方法的有效性。

基準成像系統的綜合資料庫

論文名稱：A Comprehensive Database for Benchmarking Imaging Systems

作者：Karen Panetta /Qianwen Wan /Sos Agaian /Srijith Rajeev /Shreyas Kamath /Rahul Rajendran /Shishir Paramathma Rao /Aleksandra Kaszowska /Holly A. Taylor / Arash Samani /Xin Yuan

發表時間：2018/11/30

論文鏈接：https://ieeexplore.ieee.org/document/8554155

推薦原因

這篇論文貢獻了Tufts大學收集的人臉資料庫，包含了來自15個以上國家/地區的113位個人的10,000多張影像，包含了不同的性別身份、年齡和種族背景。這些人臉影像是從Tufts大學的學生、教職員工及其家屬那裡採集的，能夠為人臉識別相關的研究提供更加魯棒的演算法測試。同時這篇論文也回顧了目前已有的其他人臉識別相關的數據集。