基于骨架图拉普拉斯与自监督视点不变性的无监督人体动作识别
计算机视觉与模式识别
2022-07-22 v1
摘要
本文针对基于骨架的无监督人体动作识别问题提出一种新颖的端到端方法。我们提出了一种带有卷积自编码器的架构，该架构使用图拉普拉斯正则化来建模动作时间动态中的骨架几何。我们的方法通过包含一个自监督梯度反转层来确保跨相机视点的泛化，从而对视点变化具有鲁棒性。所提方法在NTU-60和NTU-120大规模数据集上得到验证，在跨主体、跨视点和跨设置协议下优于所有先前的基于骨架的无监督方法。尽管是无监督的，我们的可学习表示甚至使我们的方法超越了一些有监督的基于骨架的动作识别方法。代码可在：www.github.com/IIT-PAVIS/UHAR_Skeletal_Laplacian 获取。
引用
@article{arxiv.2204.10312,
title = {Unsupervised Human Action Recognition with Skeletal Graph Laplacian and Self-Supervised Viewpoints Invariance},
author = {Giancarlo Paoletti and Jacopo Cavazza and Cigdem Beyan and Alessio Del Bue},
journal= {arXiv preprint arXiv:2204.10312},
year = {2022}
}