CGTGait：用于步态情绪识别的协同图与Transformer网络
计算机视觉与模式识别
2025-09-23 v1
摘要
基于骨架的步态情绪识别因其广泛的应用而受到极大关注。然而，现有方法主要侧重于提取空间和局部时间运动信息，未能捕获长程时间表示。在本文中，我们提出了 CGTGait，这是一个协同集成图卷积和 Transformer 以提取用于步态情绪识别的判别性时空特征的新颖框架。具体而言，CGTGait 由多个 CGT 块组成，其中每个块采用图卷积捕获帧级空间拓扑，并采用 Transformer 建模全局时间依赖关系。此外，我们引入了一个双向跨流融合（BCSF）模块，以有效聚合姿态和运动时空特征，促进两个流之间的互补信息交换。我们在两个广泛使用的数据集 Emotion-Gait 和 ELMD 上评估了我们的方法，结果表明我们的 CGTGait 达到了最先进或至少具有竞争力的性能，同时在测试期间将计算复杂度降低了约 82.2%（仅需 0.34G FLOPs）。代码可在 https://github.com/githubzjj1/CGTGait 获取。
引用
@article{arxiv.2509.16623,
title = {CGTGait: Collaborative Graph and Transformer for Gait Emotion Recognition},
author = {Junjie Zhou and Haijun Xiong and Junhao Lu and Ziyu Lin and Bin Feng},
journal= {arXiv preprint arXiv:2509.16623},
year = {2025}
}
备注
Accepted by IJCB2025