ShiqiYu/OpenGait

A flexible and extensible framework for gait recognition. You can focus on designing your own models and comparing with state-of-the-arts easily with the help of OpenGait.

OpenGait – 総合的な歩行認識研究プラットフォーム

概要 – OpenGaitは、歩行認識（歩き方から人物を識別する技術）を研究するためのオープンソースツールボックスです。データセット、モデル実装、トレーニングスクリプト、評価ユーティリティをまとめて提供し、研究者が最先端の手法を迅速に試したり、新しい手法を開発したりできるようにします。

主な機能

幅広いデータセット対応 – 主要な歩行ベンチマーク（CASIA‑B、OUMVLP、GREW、Gait3D、GaitLU‑1M、SUSTech1Kなど）向けのすぐ使えるローダーを備えています。
多数のSOTAモデル – 外観ベース、ポーズベース、マルチモーダル手法（DeepGaitV2、SwinGait、SkeletonGait++、BigGait、FoundationGait、BiggerGait、LidarGait++、DenoisingGait、MultiGait++など）の実装を提供します。
トレーニングインフラ – PyTorchベースで、分散データ並列（DDP）と自動混合精度（AMP）をサポートし、TensorBoardによるログ記録も行えます。
モデル Zoo – ほとんどのモデル用の事前学習済みチェックポイントがHugging Faceで公開されており、推論を簡単に行えます。
拡張性 – 明確な設定ファイルと「独自モデルの作成方法」ガイドにより、ユーザーはカスタムアーキテクチャを組み込むことができます。

典型的なワークフロー

データを準備 – docs/2.prepare_dataset.md チュートリアルに従って、対応データセットをダウンロードしインデックス化します。
設定 – docs/3.detailed_config.md の説明に従って、YAML設定（モデル、データセット、トレーニングのハイパーパラメータ）を編集します。
トレーニング/テスト – 提供されているトレーニングスクリプトを実行します。DDPとAMPはマルチGPU実行時に自動的に有効になります。
評価 – 結果はTensorBoardに記録され、モデルZooのドキュメントに記載された公開ベースラインと比較できます。

重要性 – 歩行はプライバシーを保護する生体認証です。OpenGaitは、古典的なCNNから大規模視覚モデルベースの基礎モデル、さらにはLiDARベースの3D歩行に至る急速な進歩を追跡できる、統一された再現可能なプラットフォームを研究コミュニティに提供します。リポジトリには関連するサーベイやベンチマーク論文も掲載されており、ユーザーは最新のトレンドを把握できます。

はじめに – リポジトリをクローンし、requirements.txt（PyTorch ≥ 2.0）をインストールし、docs/0.get_started.md に従ってください。事前学習済みモデルはREADMEに記載されているHugging Faceリンクからダウンロードできます。

引用 – 著者は、結果を公開する際にCVPR 2023およびTPAMI 2025のOpenGait論文を引用するよう求めています。