PoseRAC：用于重复动作计数的姿态显著性Transformer
计算机视觉与模式识别
2023-03-17 v2
摘要
本文通过提出一种称为姿态显著性表示的新方法，对重复动作计数领域作出了重要贡献。所提方法仅用两个显著姿态而非冗余帧来高效表示每个动作，在提升性能的同时显著降低了计算成本。此外，我们引入了一种基于该表示的姿态级方法PoseRAC，其利用姿态显著性标注来标注显著姿态进行训练，在两个新版本数据集上取得了最先进（SOTA）性能。我们的轻量模型高效极高，在GPU上训练仅需20分钟，推理速度较先前方法近乎快10倍。另外，我们的方法相较先前的SOTA方法TransRAC取得大幅提升，OBO指标达0.56，而TransRAC仅为0.29。代码与新数据集发布于 https://github.com/MiracleDance/PoseRAC 以供进一步研究与实验，使我们所提方法对研究界高度易用。
引用
@article{arxiv.2303.08450,
title = {PoseRAC: Pose Saliency Transformer for Repetitive Action Counting},
author = {Ziyu Yao and Xuxin Cheng and Yuexian Zou},
journal= {arXiv preprint arXiv:2303.08450},
year = {2023}
}
备注
10 pages, 7 figures