计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月19日
]
标题: CLIP-MG:利用骨骼姿态特征和RGB数据引导语义注意力以在iMiGUE数据集上进行微手势识别
标题: CLIP-MG: Guiding Semantic Attention with Skeletal Pose Features and RGB Data for Micro-Gesture Recognition on the iMiGUE Dataset
摘要: 微手势识别由于手势细微、不由自主且运动幅度低,在情感计算中是一项具有挑战性的任务。 本文介绍了一种基于姿态引导的语义感知CLIP架构,即用于微手势识别的CLIP(CLIP-MG),该模型是对iMiGUE数据集上的微手势分类量身定制的修改版CLIP模型。 CLIP-MG通过姿态引导的语义查询生成和门控多模态融合机制,将人体姿态(骨架)信息集成到基于CLIP的识别管道中。 所提出的模型达到了61.82%的Top-1准确率。 这些结果既展示了我们方法的潜力,也表明了在完全适应CLIP等视觉-语言模型以进行微手势识别时仍存在的困难。
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.