基于非线性依赖建模与希尔伯特-施密特独立性准则的骨架基准动作识别
计算机视觉与模式识别
2025-04-18 v1 人工智能
机器学习
摘要
人类骨架基准动作识别长期以来是人工智能中不可或缺的方面。当前的前沿方法倾向于仅考虑连通骨骼关节之间的依赖关系，限制了其捕捉物理上相距遥远关节之间非线性依赖的能力。此外，大多数现有方法通过估计运动表示的概率密度来区分动作类别，但人类运动的高维性质会导致此类测量存在内在困难。本文从两个方向解决上述挑战：(1) 我们提出一种新颖的依赖细化方法，显式地建模任意两关节之间的依赖关系，有效突破关节距离的限制。(2) 我们进一步提出一种框架利用希尔伯特-施密特独立性准则在不受数据维度影响的情况下区分动作类别，并数学推导学习目标以保证精确识别。实验结果表明，我们的方法在NTU RGB+D、NTU RGB+D 120和Northwestern-UCLA数据集上实现了状态最佳性能。
引用
@article{arxiv.2412.18780,
title = {Skeleton-based Action Recognition with Non-linear Dependency Modeling and Hilbert-Schmidt Independence Criterion},
author = {Yuheng Yang},
journal= {arXiv preprint arXiv:2412.18780},
year = {2025}
}