基于对比视点不变表示的跨视点动作识别
计算机视觉与模式识别
2023-05-04 v1
摘要
跨视点动作识别（CVAR）旨在从先前未见的视点观测时识别人体动作。由于动作外观随视点显著变化，这是一个具有挑战性的问题。CVAR 的应用包括辅助生活设施的监控，在添加新摄像头时采集大量训练数据不切实际或不可行。我们提出了一个简单而高效的 CVAR 框架，从 RGB 视频、3D 骨架数据或两者中学习不变特征。所提方法优于当前最优方法，在不同输入模态上达到相近性能：在 N-UCLA、NTU-RGB+D 60、NTU-RGB+D 120 和 UWA3DII 数据集上分别为 99.4%（RGB）和 99.9%（3D 骨架）、99.4%（RGB）和 99.9%（3D 骨架）、97.3%（RGB）和 99.2%（3D 骨架），以及 84.4%（RGB）。
引用
@article{arxiv.2305.01733,
title = {Cross-view Action Recognition via Contrastive View-invariant Representation},
author = {Yuexi Zhang and Dan Luo and Balaji Sundareshan and Octavia Camps and Mario Sznaier},
journal= {arXiv preprint arXiv:2305.01733},
year = {2023}
}