基于骨架的微手势识别实现细粒度情感理解
计算机视觉与模式识别
2025-06-17 v1
摘要
我们提出了在IJCAI 2025 MiGA挑战赛中的解决方案，旨在从骨架序列中识别微手势（MGs）以实现隐藏情感理解。MGs以其细微性、短持续时间和低运动幅度为特征，使其建模与分类尤为困难。我们采用PoseC3D作为基线框架，并引入三项关键增强：（1）专门为iMiGUE数据集设计的拓扑感知骨架表示，以更好地捕捉细粒度运动模式；（2）改进的时间处理策略，促进更平滑且时间上更一致的运动建模；以及（3）引入语义标签嵌入作为辅助监督以提升模型泛化能力。我们的方法在iMiGUE测试集上取得了67.01%的Top-1准确率。作为这些贡献的结果，我们的方法在官方MiGA挑战赛排行榜上排名第三。源代码可在 \href{https://github.com/EGO-False-Sleep/Miga25\_track1}{https://github.com/EGO-False-Sleep/Miga25\_track1} 获取。
引用
@article{arxiv.2506.12848,
title = {Towards Fine-Grained Emotion Understanding via Skeleton-Based Micro-Gesture Recognition},
author = {Hao Xu and Lechao Cheng and Yaxiong Wang and Shengeng Tang and Zhun Zhong},
journal= {arXiv preprint arXiv:2506.12848},
year = {2025}
}
备注
MiGA@IJCAI25: International IJCAI Workshop on 3rd Human Behavior Analysis for Emotion Understanding, August 29, 2025, Guangzhou, China