基于稳定-可逆图卷积网络的标签高效骨架基于识别
计算机视觉与模式识别
2025-11-24 v1
摘要
骨架基于识别是图像处理中的热点任务，其关键挑战在于依赖大量人工标记的数据集，而这些数据的获取成本高昂且耗时。本文构思一种新颖的标签高效方法，用于骨架基于识别，采用图卷积网络（GCN）。本文提出的方法的贡献在于学习一种新型获取函数——对最具信息性子集进行评分——作为混合数据表征性、多样性和不确定性目标函数的最优解。我们还通过学习可逆 GCN 来获取最具信息性子集，该网络允许将数据从环境空间映射到潜在空间，在该空间中更容易捕获数据固有的分布。广泛的实验表明，我们的标签节约型 GCN 在两个具有挑战性的骨架基于识别数据集上表现出效力和优越性。
引用
@article{arxiv.2511.17345,
title = {Label-Efficient Skeleton-based Recognition with Stable-Invertible Graph Convolutional Networks},
author = {Hichem Sahbi},
journal= {arXiv preprint arXiv:2511.17345},
year = {2025}
}