NTU-X：用于改进基于姿态的细微人体动作识别的增强大规模数据集
计算机视觉与模式识别
2021-11-25 v4 图形学
人机交互
多媒体
摘要
缺乏细粒度关节（面部关节、手指）是基于骨架的动作识别最优模型的一个根本性性能瓶颈。尽管存在这一瓶颈，学界似乎仅将努力投入到提出新架构上。为专门解决该瓶颈，我们引入了两个新的基于姿态的人体动作数据集——NTU60-X 和 NTU120-X。我们的数据集扩展了现有最大的动作识别数据集 NTU-RGBD。除 NTU-RGBD 中每个骨架的 25 个身体关节外，NTU60-X 和 NTU120-X 数据集还包含手指和面部关节，实现了更丰富的骨架表示。我们适当修改了最优方法以使用所引入的数据集进行训练。我们的结果证明了这些 NTU-X 数据集在克服上述瓶颈以及提升最优性能（整体及在先前表现最差的 action 类别上）方面的有效性。代码和预训练模型可在 https://github.com/skelemoa/ntu-x 获取。
引用
@article{arxiv.2101.11529,
title = {NTU-X: An Enhanced Large-scale Dataset for Improving Pose-based Recognition of Subtle Human Actions},
author = {Neel Trivedi and Anirudh Thatipelli and Ravi Kiran Sarvadevabhatla},
journal= {arXiv preprint arXiv:2101.11529},
year = {2021}
}
备注
First two authors contributed equally. Code repository at https://github.com/skelemoa/ntu-x