揭示关键细节以看见差异：基于原型视角的骨架基准动作识别新方法
计算机视觉与模式识别
2025-03-21 v2
摘要
在骨架基准动作识别中, 一个关键挑战是区分因关节轨迹相似而难以区分的动作, 因为骨架表示缺乏图像级细节。识别到类似动作的区分依赖于特定身体部位的细微运动细节后, 我们的方法聚焦于局部骨架组件的细粒度运动。为此, 我们引入 ProtoGCN, 一种基于图卷积网络 (GCN) 的模型, 将整个骨架序列的动力学分解为代表动作单元核心运动模式的可学习原型的组合。通过对原型的重建对比, ProtoGCN 能够有效识别和增强相似动作的判别表示。without bells and whistles, ProtoGCN 在多个基准数据集上实现了最先进的性能, 包括 NTU RGB+D, NTU RGB+D 120, Kinetics-Skeleton 和 FineGYM, 这表明了所提出方法的有效性。代码地址为 https://github.com/firework8/ProtoGCN。
引用
@article{arxiv.2411.18941,
title = {Revealing Key Details to See Differences: A Novel Prototypical Perspective for Skeleton-based Action Recognition},
author = {Hongda Liu and Yunfan Liu and Min Ren and Hao Wang and Yunlong Wang and Zhenan Sun},
journal= {arXiv preprint arXiv:2411.18941},
year = {2025}
}
备注
Accepted by CVPR 2025