이 논문은 스포츠 동작 인식을 위한 새로운 "Cross-Block 세부 의미 계단식 접근법(CFSC)"을 제안한다. CFSC 모듈은 GCN 백본의 다양한 깊이의 블록에서 추출된 특징 맵을 활용하여 세부 정보를 점진적으로 통합한다.
구체적으로, CFSC는 먼저 GCN 백본의 다양한 깊이의 블록에서 특징 맵을 추출한다. 이 특징 맵들은 단기 시간적 의존성을 포착하기 위해 여러 개의 작은 커널 시간 컨볼루션을 거친다. 그 후 얕은 층에서 깊은 층으로 특징 맵을 집계하여 다양한 수준의 정보를 효과적으로 융합한다. 마지막으로, 풍부한 세부 정보를 포함하는 판별적 표현이 분류에 활용된다.
제안 방법은 공개 데이터셋 FSD-10과 자체 수집한 펜싱 데이터셋 FD-7에서 우수한 성능을 보였다. 특히 FD-7 데이터셋에서 기존 최신 방법 대비 2.1%와 1.4%의 성능 향상을 달성했다. 이는 CFSC 모듈이 스포츠 동작 분류에 필수적인 세부 정보를 효과적으로 포착할 수 있음을 보여준다.
To Another Language
from source content
arxiv.org
Дополнительные вопросы