基于超bolic线性注意力的HyLiFormer：用于骨架基人体动作识别
计算机视觉与模式识别
2025-02-11 v1
摘要
Transformer在骨架基人体动作识别中表现出色，但其二次计算复杂度仍是现实应用中的瓶颈。为缓解这一问题，已探索线性注意力机制，但难以捕获骨架数据的层次结构。与此同时，Poincaré模型作为典型的超bolic几何，提供了强大的框架来建模层次结构，但缺乏针对现代主流线性注意力的明确操作。在本文中，我们提出了HyLiFormer，一种为骨架基动作识别量身定制的超bolic线性注意力Transformer。我们的方法包含一个具有曲率的超bolic转换模块（HTC），将骨架数据映射到超bolic空间，以及用于高效长程依赖建模的超bolic线性注意力（HLA）模块。理论分析和在NTU RGB+D和NTU RGB+D 120数据集上的广泛实验表明，HyLiFormer在保持模型准确性的同时显著降低了计算复杂度，为效率关键的应用提供了有前景的解决方案。
引用
@article{arxiv.2502.05869,
title = {HyLiFormer: Hyperbolic Linear Attention for Skeleton-based Human Action Recognition},
author = {Yue Li and Haoxuan Qu and Mengyuan Liu and Jun Liu and Yujun Cai},
journal= {arXiv preprint arXiv:2502.05869},
year = {2025}
}