基于热图池化网络的RGB视频动作识别
表示论
2026-02-03 v2 代数几何
范畴论
K理论与同调
摘要
RGB视频中的丰富信息使人体动作识别（HAR）受到广泛关注。然而，现有方法在从RGB视频中提取深度特征面临信息冗余、易受噪声影响以及高存储成本等挑战。为解决这些问题并充分利用视频中的有用信息，我们提出一种新型热图池化网络（HP-Net）用于视频动作识别，通过反馈池化模块从视频中提取人体信息丰富、稳健且简洁的池化特征。提取的池化特征在性能上显著优于先前从视频中获得的姿态数据和热图特征。此外，我们设计了空间-动作共学习模块和文本细化调制模块，将提取的池化特征与其他多模态数据集成，以实现更稳健的动作识别。广泛的在NTU RGB+D 60、NTU RGB+D 120、Toyota-Smarthome和UAV-Human等多个基准数据集上的实验一致证明了HP-Net的有效性。我们的代码已公开available at: https://github.com/liujf69/HPNet-Action。
引用
@article{arxiv.2512.03836,
title = {Calabi-Yau structures on derived and singularity categories of symmetric orders},
author = {Norihiro Hanihara and Junyang Liu},
journal= {arXiv preprint arXiv:2512.03836},
year = {2026}
}
备注
20 pages; v2: Theorem A extended to the Hochschild homology with coefficients setting (similar proof)