基于骨架动作识别的时空图卷积
计算机视觉与模式识别
2018-02-28 v1
摘要
人体骨架的变化可被视为动态图,这是众多现实应用中通用的数据表示。本文中,我们提出一种时空图卷积(STGC)方法,以汇集局部卷积滤波的成功与自回归移动平均的序列学习能力。为编码动态图,所构建的由局部感受野矩阵与信号映射组成的多尺度局部图卷积滤波器,在时空域的结构化图数据上递归执行。所提模型具有通用性与原则性,可推广至其他动态模型。我们从理论上证明了STGC的稳定性,并给出了待学信号变换的上界。此外,所提递归模型可堆叠为多层架构。为评估模型,我们在四个基准骨架动作数据集上进行了大量实验,包括大规模具挑战性的NTU RGB+D。实验结果证明了我们所提模型的有效性及对SOTA的改进。
引用
@article{arxiv.1802.09834,
title = {Spatio-Temporal Graph Convolution for Skeleton Based Action Recognition},
author = {Chaolong Li and Zhen Cui and Wenming Zheng and Chunyan Xu and Jian Yang},
journal= {arXiv preprint arXiv:1802.09834},
year = {2018}
}
备注
Accepted by AAAI 2018