联合时序池化改进基于骨架的动作识别
计算机视觉与模式识别
2024-08-20 v1
摘要
在基于骨架的人体动作识别中，时序池化是捕捉关节动态时空关系的关键步骤。传统的池化方法忽略了运动信息的保留，并平等对待每一帧。然而，在一个动作序列中，只有少数帧片段携带与动作相关的判别性信息。本文提出了一种新颖的联合运动自适应时序池化（JMAP）方法，用于改进基于骨架的动作识别。引入了JMAP的两种变体：帧级池化和关节级池化。通过在流行的NTU RGB+D 120和PKU-MMD数据集上的实验，验证了JMAP的有效性。
引用
@article{arxiv.2408.09356,
title = {Joint Temporal Pooling for Improving Skeleton-based Action Recognition},
author = {Shanaka Ramesh Gunasekara and Wanqing Li and Jack Yang and Philip Ogunbona},
journal= {arXiv preprint arXiv:2408.09356},
year = {2024}
}