Apr, 2018

基于骨架数据的共现特征学习，在层次聚合中进行动作识别和检测

HTML
PDF
TL;DR本文提出了一种用于骨架动作识别的卷积共现特征学习框架，其中不同层次的上下文信息逐步聚合，并使用全局空间聚合方案和两流范例来整合原始骨架坐标及其时序差异。实验证明，我们的方法在行动识别和检测基准测试中持续优于其他最新技术。
发现论文，激发创造
  • 基于正则化深层LSTM网络的骨架动作识别的共现特征学习

    提出了一种基于骨架的行为识别模型，使用递归神经网络（RNNs）与长短时记忆（LSTM）建立深度学习网络，学习并自动建模骨架关节之间的协同特征，在三个人类行为识别数据集上具有良好的效果。

    Mar, 2016

  • 基于骨骼的动作识别的时空图卷积网络

    提出了一种基于空间-时间图卷积网络(ST-GCN)的骨架识别模型，该模型能够在不借助人工干预的情况下自动学习骨架在空间和时间上的表现，并且在动作识别以及泛化能力方面远优于之前的方法。

    Jan, 2018

  • 基于骨架的同步本地和非本地时空学习和频率注意的动作识别

    该研究提出了一种同时提取时域和频域信息中详细和语义信息的方法，包括残差频率注意（rFA）块和同步本地和非本地（SLnL）块，以及软边缘焦点损失（SMFL）来优化学习过程，并在几个大规模数据集上明显优于其他现有方法。

    Nov, 2018

  • UNIK：一种用于实际场景的基于骨架的动作识别统一框架

    该研究介绍了一种基于骨架数据的动作识别方法UNIK，通过优化依赖矩阵并使用多头注意机制，实现了对于跨数据集的泛化能力，实验表明在多个数据集上，该方法均表现出超越于现有技术的表现。

    Jul, 2021

  • 基于骨架的动作识别的向 T 时空焦点的迈进

    该研究提出了一种基于骨架的动作识别框架，利用空间-时间梯度来聚焦相关的空间-时间特征，并利用可学习的梯度增强和实例依赖邻接矩阵建立高阶空间-时间动态模型，并通过基于梯度的空间-时间注意力来指导分类器去关注何时以及何处，以优化堆叠的STF模块，该方法在几个数据集上呈现出具有竞争力的结果。

    Feb, 2022

  • 基于多尺度空间时间图卷积网络的基于骨架的动作识别

    本研究提出了一种多尺度空间图卷积和多尺度时间图卷积模型，通过分解相应的局部图卷积为一系列子图卷积，形成一个分层残差体系结构，使图卷积神经网络能够捕获空间和时间域中的短程和长程依赖关系，从而实现骨骼动作识别，该模型在三个基准数据集上表现出了显著的性能。

    Jun, 2022

  • 跨数据集基于骨架的动作识别中的时空立方体学习

    本篇文章研究骨架动作识别的跨数据集问题，并提出了一种基于自监督的域自适应方法，通过对时间和空间分段来探索模型的时空依赖关系并提高模型的泛化能力，实验结果证明该方法优于其他方法。

    Jul, 2022

  • 基于多尺度时空骨架匹配的一次性动作识别

    本文提出一种新的一次性骨架动作识别技术，通过多尺度空间和时间特征匹配处理骨架动作识别，实现了优秀、卓越的一次性骨架动作识别，并在诸多大规模数据集上，持续超越当前最先进的方法。

    Jul, 2023

  • 通过互信息估计与最大化进行零样本基于骨架的动作识别

    通过相互信息估计和最大化，我们提出了一种基于零样本骨骼动作识别的新方法，通过最大化视觉和语义空间之间的相互信息来进行分布对齐，并利用时间信息来估计相互信息，以增加观察到的帧数。

    Aug, 2023

  • 自主学习的骨架动作表示学习：基准及更多

    本文首次对基于骨架的自监督动作表征学习进行了全面调查和综述，将现有研究根据预训练方法学科进行分类，提出了一种综合多个先验任务的新型骨架自监督学习方法，大大提高了骨架模型在各种下游任务中的泛化性能。在三个大规模数据集上进行的广泛实验证明，该方法在识别、检索、检测和少样本学习等各种下游任务中都取得了卓越的泛化性能。

    Jun, 2024