用于噪声鲁棒基于骨架动作识别的预测编码图卷积网络
计算机视觉与模式识别
2020-03-18 v1 机器学习
图像与视频处理
摘要
在基于骨架的动作识别中，图卷积网络（GCNs）利用节点与连接等图组件对人体骨架建模，近期取得了卓越性能。然而，当前最先进的基于骨架动作识别方法通常假设提供完全观测的骨架。由于捕获的骨架总可能存在不完整或含噪的情况，该假设在真实场景中应用或有问题。本工作提出一种对给定骨架特征噪声信息鲁棒的基于骨架动作识别方法。我们方法的核心见解是以预测编码方式最大化正常与噪声骨架间的互信息来训练模型。我们利用 NTU-RGB+D 与 Kinetics-Skeleton 数据集，针对含缺陷骨架的基于骨架动作识别进行了全面实验。实验结果表明，在骨架样本含噪时，相较现有最先进方法，我们的方法取得了优异性能。
引用
@article{arxiv.2003.07514,
title = {Predictively Encoded Graph Convolutional Network for Noise-Robust Skeleton-based Action Recognition},
author = {Jongmin Yu and Yongsang Yoon and Moongu Jeon},
journal= {arXiv preprint arXiv:2003.07514},
year = {2020}
}
备注
Submitted to ECCV 2020