多模态标注数据

从大型视觉模型中释放运动信息：面向步态识别的语义与运动学对偶框架

Unlocking Motion from Large Vision Models with a Semantic and Kinematic Duality for Gait Recognition

用视觉语言监督构造条件去相关损失（CDLoss），把步态嵌入中的衣物、视角等干扰因子显式解耦，这一思路可迁移到任何需要抑制 nuisance 因子的细粒度人体/行为表征学习；同时 GCaption 提供了带自然语言标注的步态数据集，可直接用于 context-aware 的人体分析。