一种用于人体姿态相似性和动作质量评估的拓扑感知图卷积网络
计算机视觉与模式识别
2025-11-04 v1 人工智能
摘要
动作质量评估（AQA）需要对人体运动进行细粒度理解并精确评估姿态相似性。本文提出了一种拓扑感知的图卷积网络（GCN）框架，称为GCN-PSN，它将人体骨骼建模为图，以学习具有判别性、拓扑敏感的姿态嵌入。使用基于对比回归目标训练的孪生网络架构，我们的方法优于基于坐标的基线方法，并在AQA-7和FineDiving基准测试中取得了具有竞争力的性能。实验结果和消融研究验证了利用骨骼拓扑进行姿态相似性和动作质量评估的有效性。
引用
@article{arxiv.2511.01194,
title = {A Topology-Aware Graph Convolutional Network for Human Pose Similarity and Action Quality Assessment},
author = {Minmin Zeng},
journal= {arXiv preprint arXiv:2511.01194},
year = {2025}
}
备注
10 pages, 5 figures. Submitted as a computer vision paper in the cs.CV category