SGA-INTERACT：面向现代篮球战术中群体活动理解的 3D 骨架基准

群体活动理解主要作为群体活动识别（GAR）任务进行研究。然而，现有的 GAR 基准存在活动词汇粗粒度且仅有单视图数据形式的问题，这阻碍了对最先进算法的评估。为了解决这些局限性，我们引入了 SGA-INTERACT，这是首个基于 3D 骨架的群体活动理解基准。它具有受篮球战术启发的复杂活动，强调丰富的空间交互和长期依赖关系。SGA-INTERACT 引入了时序群体活动定位（TGAL）任务，将群体活动理解扩展到未剪辑序列中，填补了 GAR 作为独立任务所留下的空白。除了该基准外，我们还提出了 One2Many，这是一种新颖的框架，采用预训练的 3D 骨架主干网络进行统一的个体特征提取。该框架与基于 RGB 的方法中的特征提取范式保持一致，使得能够直接在基于骨架的基准上评估基于 RGB 的模型。我们在 SGA-INTERACT 上使用两种基于骨架的方法、三种基于 RGB 的方法以及 One2Many 框架内提出的一个基线进行了广泛评估。基线的普遍较低性能突显了该基准的挑战性，推动了群体活动理解领域的进步。