面向人类运动识别的端到端骨架几何深度神经网络 E2E-GNet
计算机视觉与模式识别
2026-03-04 v1
摘要
几何深度学习最近在计算机视觉社区获得了显著关注，因其能够捕获非欧几里得空间中数据的有意义表征。为此，我们提出E2E-GNet，一种用于骨架基础人类运动识别的端到端几何深度神经网络。为增强不同运动在非欧几里得空间中的判别能力，E2E-GNet引入几何变换层，联合优化该空间上的骨架运动序列，并应用可微的对数映射激活将其投影到线性空间。基于此，我们进一步设计了扭曲感知优化层，限制该投影导致的骨架形状扭曲，使网络能够保留判别性几何线索并实现更高的运动识别率。我们通过消融实验和跨越五个数据集、三个领域的广泛实验表明E2E-GNet在更低成本下优于其他方法。
引用
@article{arxiv.2603.02477,
title = {E2E-GNet: An End-to-End Skeleton-based Geometric Deep Neural Network for Human Motion Recognition},
author = {Mubarak Olaoluwa and Hassen Drira},
journal= {arXiv preprint arXiv:2603.02477},
year = {2026}
}