Jul, 2020

骨架动作识别，未来何去何从？

PDF
TL;DR本文研究骨架为基础的人体动作识别的当前和未来发展方向，以 Skeletics-152、Skeleton-Mimetics、Metaphorics 和 NTU-120 等数据集作为研究对象，旨在评估现有方法和数据集的优劣，并开辟人体动作识别的新领域。
skeleton-based human action recognitionskeletics-152skeleton-mimeticsmetaphoricsntu-120 dataset
发现论文，激发创造
  • 基于三维骨架的行为识别学习方法调查

    这篇研究论文介绍了从基于深度学习架构的角度全面讨论使用三维骨架数据进行动作识别，并详细介绍了基于循环神经网络 (RNN)-based、卷积神经网络 (CNN)-based 和图卷积网络 (GCN)-based 的主流动作识别技术，并介绍了包括 NTU-RGB+D 在内的多个数据集和算法。

    Feb, 2020

  • 野外基于骨架的动作识别

    SkeleTR 是一个新的基于骨架的动作识别框架，通过图卷积来模拟骨架序列的个人内部动态，并使用堆叠的 Transformer 编码器来捕捉人与人之间的重要交互，从而在一般情境下进行动作识别。

    Sep, 2023

  • 行动识别的未来何去何从？一种新模型及动力学数据集

    本研究基于 Kinetics 数据集重新评估最先进的体系结构，并引入一种新的双流膨胀 3D ConvNet（I3D），该 ConvNet 可以在视频中学习无缝的时空特征提取器，利用成功的 ImageNet 架构设计及其参数，经过在 Kinetics 上的预训练后，I3D 模型在动作分类方面表现明显提高。

    May, 2017

  • 模仿学习：探索解读人类超出环境限制的行为

    该论文提出了一个新的数据集 Mimetics, 利用浅层神经网络在解决视频动作识别中缺乏对人类动作真正理解的问题上表现出惊人的效果，强调了人体语言通过人体姿态向行为识别问题转移的趋势。

    Dec, 2019

  • Skeleton-DML: 基于骨架的单次动作识别的深度度量学习

    本文提出了一个以深度度量学习为基础的单次动作识别方法，使用图像骨骼表示法，在嵌入空间中训练模型，在 NTU RGB+D 120 数据集中，实现了单次动作识别协议最新的 3.3％提升，在附加数据增强后提高了超过 7.7％。

    Dec, 2020

  • 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

  • 基于骨架的动作识别：使用平移尺度不变性图像映射和多尺度深度卷积神经网络

    该论文提出了一种基于图像分类的骨架视频动作识别方法，通过图像映射和卷积神经网络构建实现了在多个数据集上的最新成果。

    Apr, 2017

  • 探索基于骨架动作识别的对抗性漏洞

    本研究采用深度学习技术，针对基于骨骼的动作识别的敌对性弱点进行分析，并提出了一种基于约束优化和 ADMM 的优化算法及防御机制。经过广泛评估，该方法在不同情境下具有良好的攻击及防御效果。

    May, 2020

  • MS$^2$L：基于骨架的动作识别的多任务自监督学习

    本文探讨了基于自监督学习的骨骼动作识别中的表征学习问题，提出了一种多任务自监督学习的方法，包括运动预测、拼图识别和对比学习等方法。实验表明该方法在不同配置下的动作分类器上表现出优异的性能。

    Oct, 2020

  • 基于骨架的多粒度时空图神经网络学习用于动作识别

    本文提出了一种新的基于骨架的动作分类方法，使用多层次空间时间图网络联合建模粗粒度和细粒度骨架运动模式，并采用双头图网络和跨头部通信策略来提取两个时空分辨率的特征，实验证明该方法在三个大规模数据集上取得了最先进的性能。

    Aug, 2021