用于动作识别的人体骨架主动生成网络
计算机视觉与模式识别
2024-01-31 v1
摘要
数据生成是一种数据增强技术，旨在提升基于骨架的人体动作识别的泛化能力。现有的大多数数据生成方法在确保动作动态信息的时间一致性方面面临挑战。此外，当只有少量训练样本可用时，这些方法生成的数据缺乏多样性。为解决这些问题，我们提出了一种新颖的主动生成网络（AGN），当特定动作的数据仅为单个或少量样本时，该网络可以通过运动风格迁移自适应地学习各种动作类别以生成新动作。AGN 由一个动作生成网络和一个不确定性度量网络组成。前者以 ST-GCN 为骨干网络，能够在保留源动作类别特征的同时，隐式地学习目标动作的形态特征。后者则用于指导动作的生成。具体而言，一个动作识别模型为每个动作生成预测向量，然后使用不确定性度量对其进行评分。最终，不确定性度量网络为生成的动作提供不确定性采样的依据。
引用
@article{arxiv.2401.17086,
title = {Active Generation Network of Human Skeleton for Action Recognition},
author = {Long Liu and Xin Wang and Fangming Li and Jiayu Chen},
journal= {arXiv preprint arXiv:2401.17086},
year = {2024}
}