超越二元对比：基于过渡锚点的连续骨架动作空间建模
计算机视觉与模式识别
2026-04-21 v1
摘要
自监督对比学习已成为骨架动作识别的强大范式，通过在嵌入空间中强制一致性来实现。然而，现有方法依赖二元对比目标，忽略了人类运动的内在连续性，导致特征簇碎片化和类别边界僵化。为此，我们提出了基于过渡锚点（Transitional anchors）的对比学习框架 TranCLR，以捕捉动作空间的连续几何结构。具体而言，所提出的动作过渡锚点构建（ATAC）显式建模了过渡状态的几何结构，以增强模型对运动连续性的感知。基于这些锚点，我们引入多层几何流形校准（MGMC）机制，以适应性方式校准动作流形在多个连续性层级上的表征，生成更光滑、更具辨别力的表征空间。在 NTU RGB+D、NTU RGB+D 120 和 PKU-MMD 数据集上进行大量实验表明，TranCLR 在准确率和校准性能方面均显著优于现有方法，有效学习到了连续且具备不确定性感知的骨架表征。代码已公开于 https://github.com/Philchieh/TranCLR。
引用
@article{arxiv.2604.17914,
title = {Beyond Binary Contrast: Modeling Continuous Skeleton Action Spaces with Transitional Anchors},
author = {Yingjie Feng and Yi Wang and Jiaze Wang and Anfeng Liu and Zhuotao Tian},
journal= {arXiv preprint arXiv:2604.17914},
year = {2026}
}