# Gait-VL视觉语言对齐框架

步态属性识别有了一个大规模多模态基准：RA-GAR 收录 1001 名受试者、242729 段行走序列，并标注 15 项静态与运动步态属性，用来补上细粒度标注不足的缺口。配套的 Gait-VL 不再用分类器输出权重代表候选类别，而是把属性专属的多帧视觉证据与文本类别原型直接匹配。在 RA-GAR 上属性识别达到当前最好水平，且用属性预训练替换通用上游视觉模型后，多个身份识别流程与基准上出现一致提升。

步态属性识别有了一个大规模多模态基准：RA-GAR 收录 1001 名受试者、242729 段行走序列，并标注 15 项静态与运动步态属性，用来补上细粒度标注不足的缺口。配套的 Gait-VL 不再用分类器输出权重代表候选类别，而是把属性专属的多帧视觉证据与文本类别原型直接匹配。在 RA-GAR 上属性识别达到当前最好水平，且用属性预训练替换通用上游视觉模型后，多个身份识别流程与基准上出现一致提升。