Mask and Compress：基于骨架的持续学习动作识别
计算机视觉与模式识别
2024-07-02 v1 人工智能
摘要
骨架数据允许深度学习模型高效有效地进行动作识别。我们认为，在持续学习语境中探索这一问题至关重要。虽然许多研究侧重于传统离线视角下基于骨架的动作识别，但只有少数研究涉足在线方法。为此，我们引入了 CHARON（Continual Human Action Recognition On skeletoNs），该方法在高效框架下保持一致的性能。通过采用均匀抽样、插值和基于掩码的内存高效训练阶段，我们在提高识别准确率的同时最小化计算开销。我们在 Split NTU-60 和提出的 Split NTU-120 数据集上进行实验，表明 CHARON 在该领域设立了新的基准。代码已公开于 https://github.com/Sperimental3/CHARON。
引用
@article{arxiv.2407.01397,
title = {Mask and Compress: Efficient Skeleton-based Action Recognition in Continual Learning},
author = {Matteo Mosconi and Andriy Sorokin and Aniello Panariello and Angelo Porrello and Jacopo Bonato and Marco Cotogni and Luigi Sabetta and Simone Calderara and Rita Cucchiara},
journal= {arXiv preprint arXiv:2407.01397},
year = {2024}
}
备注
Accepted at ICPR 2024