Revisiting Skeleton-based Action Recognition

分享人：郭天宇
研究方向：人体动作识别
论文题目：Revisiting Skeleton-based Action Recognition
论文作者：Haodong Duan, Yue Zhao, Kai Chen, Dahua Lin, Bo Dai
作者单位：香港中文大学, 德克萨斯大学奥斯汀分校, 上海人工智能实验室
论文摘要：人体骨骼作为人体行为的紧凑表征，近年来受到越来越多的关注。 许多基于骨骼的动作识别方法采用GCN在人体骨骼之上提取特征。尽管这些尝试显示出积极的结果，但基于GCN的方法在稳健性、互操作性和可扩展性方面受到限制。在这项工作中，我们提出了PoseConv3D，这是一种基于骨架的动作识别的新方法。PoseConv3D依赖于3D热图体积而不是图形序列作为人体骨骼的基本表示。与基于GCN的方法相比，PoseConv3D在学习时空特征方面更有效，对姿势估计噪声更鲁棒，并且在跨数据集设置中具有更好的泛化能力。此外，PoseConv3D可以处理多人场景而无需额外的计算成本。分层特征可以在早期融合阶段轻松地与其他模态集成，为提升性能提供了很大的设计空间。PoseConv3D在六个标准的基于骨骼的动作识别基准测试中的五个达到了最先进的水平。一旦与其他模态融合，它就在所有八个多模态动作识别基准上达到了最先进的水平。相关代码已在公布在：https://github.com/kennymckormick/pyskl。
原文链接：

点击此处