基于骨架的端到端模型用于鲁棒的人类动作检测
计算机视觉与模式识别
2024-12-20 v3
摘要
人类动作识别是计算机视觉系统中的关键任务。然而，在实际场景中，人类动作常常落在训练数据之外的分布中，这要求模型能够识别分布内 (ID) 的动作并拒绝分布外 (OOD) 的动作。尽管此任务重要，然而关于人类动作 OOD 检测的研究仍有限。现有 OOD 检测方法主要聚焦于带有 RGB 结构的图像数据，许多方法属于后处理性质。虽然这些方法便捷且计算高效，但往往缺乏足够的准确性，未能考虑 OOD 样本的暴露情况，亦忽视了在骨架结构数据上的应用。为此，我们提出了一种新的端到端骨架基模型，名为 Skeleton-OOD，旨在提高 OOD 任务的有效性，同时确保 ID 识别的准确性。通过在 NTU-RGB+D 60、NTU-RGB+D 120 和 Kinetics-400 数据集上进行大量实验，Skeleton-OOD 显示出优于现有方法的优异性能。我们的发现强调了经典 OOD 检测技术在基于骨架的人体动作识别任务中的有效性，为该领域的后续研究提供了可前瞻的研究方向。代码已公开于 https://github.com/YilliaJing/Skeleton-OOD.git。
引用
@article{arxiv.2405.20633,
title = {Skeleton-OOD: An End-to-End Skeleton-Based Model for Robust Out-of-Distribution Human Action Detection},
author = {Jing Xu and Anqi Zhu and Jingyu Lin and Qiuhong Ke and Cunjian Chen},
journal= {arXiv preprint arXiv:2405.20633},
year = {2024}
}
备注
Accepted by Neurocomputing