Nov, 2023

Act-VIT:使用Vision Transformer进行基于骨架的动作识别的表征稳健注意力架构

TL;DR本文研究了基于骨架的动作识别中视觉transformers的有效性以及其在伪图像表示方案上的鲁棒性,并提出了一个三级体系结构Act-VIT,通过应用分类器,在每个表示上合并其结果以找到最终的动作类别。实验研究表明,相比于CNN,视觉transformers对初始伪图像表示的敏感性较低,但是通过分类器的一致性仍然可以进一步提高识别性能。