Raphaël Delécluse
PulseAugur coverage of Raphaël Delécluse — every cluster mentioning Raphaël Delécluse across labs, papers, and developer communities, ranked by signal.
-
隐私保护行人重识别利用深度图像和Transformer
研究人员开发了一种新颖的行人重识别系统，该系统通过利用深度图像而非传统的RGB数据来优先保护隐私。该方法采用Transformer编码器处理时序序列，捕捉RGB和深度模态的动态运动模式。Hungarian算法用于优化不同视图之间的匹配过程，而batch hard triplet loss则增强了特征学习。在TVPR2和BIWI RGBD-ID等数据集上的评估表明，仅使用深度数据的方案在保护用户隐私的同时实现了具有竞争力的性能。
-
新型Transformer模型提升多行人轨迹预测能力
研究人员开发了一种新颖的三步分层Transformer模型，旨在改进多行人轨迹预测。该新架构有效分离了时间编码、多模态融合和场景级交互推理，解决了先前方法常将这些因素纠缠在一起的局限性。该模型利用轻量级GRU摘要进行高效的跨模态注意力以及随时间变化的社交注意力，以可控的计算成本捕捉行人间的相互影响。在JRDB和道路交通中的行人与骑行者数据集等数据集上的实验表明，该模型达到了最先进的性能，并展现出预测早期转向等复杂行为的能力。
-
ICPR 2026 竞赛启动隐私保护行人重识别基准测试
新推出的 ICPR 2026 TVRID 竞赛旨在利用顶视RGB-D相机进行隐私保护的行人重识别。该竞赛包含一个数据集，其中包含由四台同步的 Intel RealSense D455 相机捕捉到的 86 个身份信息，提供跨越不同视角的配对RGB/深度流。评估包括RGB Re-ID、Depth Re-ID和跨模态检索等赛道，结果表明基于RGB的识别最具挑战性。