DG-STGCN：面向基于骨架动作识别的动态时空建模
计算机视觉与模式识别
2022-10-13 v1
摘要
图卷积网络（GCN）已广泛用于基于骨架的动作识别。我们注意到，现有基于 GCN 的方法主要依赖预设图结构（即手动定义的骨架关节拓扑），这限制了其捕捉关节间复杂相关性的灵活性。为超越此局限，我们提出一种基于骨架动作识别的新框架，即动态分组时空 GCN（DG-STGCN）。它由 DG-GCN 与 DG-TCN 两个模块组成，分别用于空间与时序建模。特别地，DG-GCN 使用学习的亲和矩阵捕捉动态图结构，而非依赖预设结构；而 DG-TCN 执行具有不同感受野的分组时序卷积，并融入动态关节-骨架融合模块以实现自适应多级时序建模。在 NTURGB+D、Kinetics-Skeleton、BABEL 和 Toyota SmartHome 等广泛基准上，DG-STGCN 持续优于最优方法，且常具显著优势。
引用
@article{arxiv.2210.05895,
title = {DG-STGCN: Dynamic Spatial-Temporal Modeling for Skeleton-based Action Recognition},
author = {Haodong Duan and Jiaqi Wang and Kai Chen and Dahua Lin},
journal= {arXiv preprint arXiv:2210.05895},
year = {2022}
}
备注
Codes will be released in https://github.com/kennymckormick/pyskl