인간 활동 인식 모델을 계층적 레이블 관계 모델링으로 개선하는 중요성
본 논문에서는 시공간적 특징을 효과적으로 추출하여 인간-객체 상호 작용을 이해하고 새로운 활동을 탐지하는 데 효과적인 Temporal Fusion Graph Convolutional Network (TFGCN)을 제안합니다. 또한, Spectral Normalized Residual (SN-Res) 연결을 통해 특징 공간 내에서의 거리 인식 기능을 향상시켜 OOD 탐지 성능을 개선하고, 가우시안 프로세스를 활용하여 예측의 불확실성을 정량화합니다.
본 논문에서는 다양한 신체 조건을 가진 사람들에게 일반화 가능한 실내 인간 활동 인식 방법을 제안하며, 이는 마이크로 도플러 코너 포인트 클라우드 및 동적 그래프 학습을 기반으로 합니다.