用于点云序列-based 3D 人体动作识别的 KAN-HyperpointNet
计算机视觉与模式识别
2025-06-05 v2
摘要
点云序列-based 3D 动作识别已取得令人印象深刻的性能和效率。然而，现有点云序列建模方法无法在肢体微小运动的精度与姿态宏观结构的完整性之间获得充分平衡，导致在动作推断中丢失关键信息线索。为克服这一限制，我们引入了 D-Hyperpoint，这是通过一种 D-Hyperpoint 嵌入模块生成的新型数据类型。D-Hyperpoint 封装了区域瞬时运动和全局静态姿态，有效地总结了每个时刻的人体动作。此外，我们提出了 D-Hyperpoint KANsMixer 模块，通过递归应用于 D-Hyperpoint 的嵌套分组来学习动作判别信息，并创造性地将Kolmogorov-Arnold 网络 (KAN) 集成到 D-Hyperpoint 中，以增强其时空相互作用。最后，我们提出了 KAN-HyperpointNet，一个用于 3D 动作识别的时空解耦网络架构。在两个公开数据集 MSR Action3D 和 NTU-RGB+D 60 上的大量实验表明，我们方法的-state-of-the-art 性能。
关键词
引用
@article{arxiv.2409.09444,
title = {KAN-HyperpointNet for Point Cloud Sequence-Based 3D Human Action Recognition},
author = {Zhaoyu Chen and Xing Li and Qian Huang and Qiang Geng and Tianjin Yang and Shihao Han},
journal= {arXiv preprint arXiv:2409.09444},
year = {2025}
}