超越视角：通过部分顺序传递实现多视角无人机动作识别的解耦
计算机视觉与模式识别
2025-08-20 v2
摘要
无人机 (UAV) 上的动作识别因沿垂直空间轴的显著视角变化而面临独特挑战。不同于传统地面设置，UAV 在各种高度捕获动作，导致出现差异显著的外观。我们提出了针对不同 UAV 高度的多视角表述方案，并经验性地观察到视角之间存在部分顺序，其中识别准确率随高度增加而持续降低。此观察激励我们提出一种显式建模 UAV 视角层次结构以提高跨高度识别性能的新方法。为此，我们提出了部分顺序引导的多视角网络 (POG-MVNet)，旨在通过有效利用不同高度水平上视角相关信息来解决严重的视角变化。该框架包含三个关键组件：视角分组 (VP) 模块，用于根据头部-身体比例按高度对视角进行分组；顺序感知特征解耦 (OFD) 模块，在部分顺序指导下解耦动作相关特征和视角特定特征；以及动作部分顺序指导 (APOG)，用于将来自更易视角的有用知识传递给更具挑战性的视角。我们在 Drone-Action、MOD20 和 UAV 数据集上进行实验，证明 POG-MVNet 在各个竞争方法上均显著优于其中。例如，POG-MVNet 在 Drone-Action 上的性能提升了 4.7%，在 UAV 上的性能提升了 3.5%。代码将很快公开。
引用
@article{arxiv.2504.20530,
title = {Beyond the Horizon: Decoupling Multi-View UAV Action Recognition via Partial Order Transfer},
author = {Wenxuan Liu and Zhuo Zhou and Xuemei Jia and Siyuan Yang and Wenxin Huang and Xian Zhong and Chia-Wen Lin},
journal= {arXiv preprint arXiv:2504.20530},
year = {2025}
}
备注
11 pages