Die Autoren stellen ein neues GCN-DevLSTM-Netzwerk für die skelettbasierte Aktionserkennung vor. Das Kernstück ist der DevLSTM-Modul, der die Pfadentwicklung aus der Rauhen-Pfad-Theorie mit LSTM kombiniert, um die zeitlichen Dynamiken effektiv zu erfassen.
Der GCN-Modul nutzt einen nicht-geteilten Graphen, um die räumlichen Beziehungen zwischen Gelenken zu modellieren. Die Autoren zeigen, dass die Kombination von GCN und DevLSTM die Leistung deutlich verbessert und robuster gegenüber unregelmäßiger Abtastung ist.
Darüber hinaus führen die Autoren einen neuartigen Dual-Graph ein, der die Knochenbeziehungen erfasst und die Gesamtleistung weiter steigert. Umfangreiche Experimente auf gängigen Benchmarks zeigen, dass das vorgeschlagene Modell den aktuellen Stand der Technik übertrifft.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Lei Jiang,We... pada arxiv.org 03-25-2024
https://arxiv.org/pdf/2403.15212.pdfPertanyaan yang Lebih Dalam