面向骨架表示的对比自监督学习
计算机视觉与模式识别
2022-11-11 v1 机器学习
摘要
人体骨架点云通常用于自动分类和预测他人的行为。在本文中，我们使用对比自监督学习方法 SimCLR 来学习能够捕捉骨架点云语义的表示。本工作重点系统评估不同算法决策（包括数据增强、数据集划分和骨干架构）对所学骨架表示的影响。为了预训练表示，我们将六个现有数据集进行归一化处理，以获得超过 4000 万帧骨架。我们通过三个下游任务评估所学表示的质量：骨架重建、运动预测和活动分类。我们的结果证明了以下三点的重要性：1）结合空间和时间增强；2）包含额外数据集用于编码器训练；3）使用图神经网络作为编码器。
引用
@article{arxiv.2211.05304,
title = {Contrastive Self-Supervised Learning for Skeleton Representations},
author = {Nico Lingg and Miguel Sarabia and Luca Zappella and Barry-John Theobald},
journal= {arXiv preprint arXiv:2211.05304},
year = {2022}
}
备注
8 pages, 2 figures, 4 tables. Accepted at the NeurIPS 2022 Workshop: Self-Supervised Learning - Theory and Practice