用于无监督3D动作表征学习的对比正样本挖掘
计算机视觉与模式识别
2022-08-09 v1 多媒体
摘要
近期基于对比学习的3D动作表征学习已取得很大进展。然而,严格的阳性/阴性约束尚待放宽,非自身的正样本的使用也有待探索。本文提出一种用于无监督骨架3D动作表征学习的对比正样本挖掘(CPM)框架。CPM在上下文队列中识别非自身正样本以增强学习。具体而言,采用孪生编码器进行训练,以匹配参考队列中所有实例的增强实例的相似度分布。通过在队列中识别非自身正样本实例,提出一种正样本增强学习策略,利用已挖掘正样本的知识提升所学隐空间对类内与类间多样性的鲁棒性。实验结果表明,所提CPM有效,并在具有挑战性的NTU与PKU-MMD数据集上优于现有最先进的无监督方法。
引用
@article{arxiv.2208.03497,
title = {Contrastive Positive Mining for Unsupervised 3D Action Representation Learning},
author = {Haoyuan Zhang and Yonghong Hou and Wenjing Zhang and Wanqing Li},
journal= {arXiv preprint arXiv:2208.03497},
year = {2022}
}
备注
Accepted by ECCV 2022