用于基于骨架动作识别的层次分解图卷积网络
计算机视觉与模式识别
2023-07-20 v3
摘要
图卷积网络（GCNs）是基于骨架的动作识别中最常用的方法，并已取得卓越性能。生成具有语义意义边的邻接矩阵对该任务尤为关键，但提取此类边是具挑战性的问题。为此，我们提出一种带有新颖层次分解图（HD-Graph）的层次分解图卷积网络（HD-GCN）架构。所提HD-GCN有效将每个关节节点分解为若干集合，以提取主要结构相邻与远端边，并用它们在人体骨架的相同语义空间中构建包含这些边的HD-Graph。此外，我们引入注意力引导的层次聚合（A-HA）模块以突出HD-Graph的主导层次边集合。进而，我们应用一种新的六路集成方法，其仅使用关节与骨骼流而不含任何运动流。所提模型经评估在四个大型流行数据集上取得最先进性能。最后，我们通过多种对比实验证明了模型的有效性。
引用
@article{arxiv.2208.10741,
title = {Hierarchically Decomposed Graph Convolutional Networks for Skeleton-Based Action Recognition},
author = {Jungho Lee and Minhyeok Lee and Dogyoon Lee and Sangyoun Lee},
journal= {arXiv preprint arXiv:2208.10741},
year = {2023}
}
备注
Accepted by ICCV 2023