计算机科学 > 计算机视觉与模式识别
[提交于 2025年1月9日
]
标题: 基于交互物体信息的骨架动作识别改进方法
标题: Improving Skeleton-based Action Recognition with Interactive Object Information
摘要: 人体骨骼信息在基于骨骼的动作识别中很重要,它提供了一种简单且高效的方式来描述人体姿态。 然而,现有的基于骨骼的方法更多地关注骨骼,忽略了与人类交互的物体,导致在识别涉及物体交互的动作时表现不佳。 我们提出了一种新的动作识别框架,引入物体节点以补充缺失的交互物体信息。 我们还提出了时空可变图卷积网络(ST-VGCN),以有效建模包含物体节点的可变图(VG)。 具体来说,为了验证交互物体信息的作用,通过利用一种简单的自训练方法,我们建立了一个新数据集 JXGC 24 和一个扩展数据集 NTU RGB+D+Object 60,包括超过 200 万个额外的物体节点。 同时,我们设计了可变图构建方法,以适应图结构中可变数量的节点。 此外,我们首次探索了引入额外物体信息所带来的过拟合问题,并提出了一种基于 VG 的数据增强方法来解决这个问题,称为随机节点攻击。 最后,在网络结构方面,我们引入了两个融合模块 CAF 和 WNPool,以及一种新的节点平衡损失,通过有效地融合和平衡骨骼和物体节点信息来提高整体性能。 我们的方法在多个基于骨骼的动作识别基准测试中超越了之前最先进的方法。 在 NTU RGB+D 60 跨主体分割上的准确率为 96.7%,在跨视角分割上为 99.2%。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.