基于骨架的动作识别的时序扩展模块
计算机视觉与模式识别
2020-10-20 v2
摘要
我们提出一个模块，用于扩展图卷积网络（GCN）在骨架序列动作识别中的时序图。现有方法试图在帧内表示更合适的空间图，却忽视了帧间时序图的优化。具体而言，这些方法在帧间仅连接对应于同一关节的顶点。本工作中，我们专注于在帧间添加至相邻多个顶点的连接，并基于扩展的时序图提取额外特征。我们的模块是一种简单而有效的方法，用于提取人体运动中多个关节的相关特征。此外，我们的模块有助于进一步的性能提升，连同其他仅优化空间图的GCN方法。我们在两个大型数据集NTU RGB+D和Kinetics-Skeleton上进行了广泛实验，并证明我们的模块对若干现有模型有效，且我们的最终模型达到了最先进的性能。
引用
@article{arxiv.2003.08951,
title = {Temporal Extension Module for Skeleton-Based Action Recognition},
author = {Yuya Obinata and Takuma Yamamoto},
journal= {arXiv preprint arXiv:2003.08951},
year = {2020}
}
备注
Accepted on ICPR2020, 7 pages, 4 figures