一次性开放集基于骨架的动作识别
机器人学
2025-09-16 v1
摘要
动作识别是人形机器人与人类交互协作的基本能力。该应用要求动作识别系统的设计使得新动作可轻易添加,同时未知动作被识别并忽略。近年来,深度学习方法构成动作识别问题的主要解决方案。然而,多数模型常需要大量人工标注样本的数据集。本工作中我们以一次性(One-Shot)深度学习模型为目标,因其每类仅需单个实例即可处理。遗憾的是,一次性模型假设推理时待识别动作属于支撑集,当动作位于支撑集外时失效。少样本开放集识别(FSOSR)方案试图解决该缺陷,但当前方案仅考虑静态图像而非图像序列。静态图像仍不足以区分坐下与站起等动作。本文提出一种新模型,以一次性模型解决FSOSR问题,并增广一个拒绝未知动作的判别器。该模型对人形机器人应用有用,因其允许轻易添加新类并判定输入序列是否属于系统已知序列。我们展示了如何以端到端方式训练整个模型,并进行了定量与定性分析。最后,我们给出真实世界示例。
引用
@article{arxiv.2209.04288,
title = {One-Shot Open-Set Skeleton-Based Action Recognition},
author = {Stefano Berti and Andrea Rosasco and Michele Colledanchise and Lorenzo Natale},
journal= {arXiv preprint arXiv:2209.04288},
year = {2025}
}