用于基于骨架动作识别的动态超图卷积网络
计算机视觉与模式识别
2021-12-21 v1
摘要
基于图卷积网络（GCNs）的方法在基于骨架的动作识别任务上已取得先进性能。然而，骨架图无法充分表示骨架数据中所包含的运动信息。此外，基于 GCN 的方法中骨架图的拓扑是依据自然连接人工设定，且对所有样本固定不变，难以良好适应不同情形。在本工作中，我们提出一种新颖的用于基于骨架动作识别的动态超图卷积网络（DHGCN）。DHGCN 利用超图表示骨架结构，以有效挖掘人体关节中包含的运动信息。骨架超图中的每个关节根据其运动被动态赋予相应权重，且我们模型中的超图拓扑可根据关节间关系对不同样本动态调整。实验结果表明，我们的模型在三个数据集 Kinetics-Skeleton 400、NTU RGB+D 60 和 NTU RGB+D 120 上取得了具有竞争力的性能。
引用
@article{arxiv.2112.10570,
title = {Dynamic Hypergraph Convolutional Networks for Skeleton-Based Action Recognition},
author = {Jinfeng Wei and Yunxin Wang and Mengli Guo and Pei Lv and Xiaoshan Yang and Mingliang Xu},
journal= {arXiv preprint arXiv:2112.10570},
year = {2021}
}
备注
12 pages, 6 figures