BriefGPT - AI 论文速递
·
ReL-SAR:基于卷积变换器和BYOL的骨架动作识别表示学ä¹
💡
原文中文，约2600字，阅读约需7分钟。
📝
内容提要
本研究提出了一种轻量级的卷积变换器框架ReL-SAR，用于骨架动作识别。通过卷积层和注意力层的联合建模，提取骨架序列的时空特征。同时，通过自举方法从无标签的骨架数据中学习鲁棒表示。实验结果表明，该方法在多个小规模数据集上表现出优异的性能。
🎯
关键要点
- 本研究提出了一种轻量级的卷积变换器框架ReL-SAR，用于骨架动作识别。
- 通过卷积层和注意力层的联合建模，提取骨架序列的时空特征。
- 采用自举方法从无标签的骨架数据中学习鲁棒表示。
- 实验结果显示该方法在多个小规模数据集上表现优异，展现了有效性与计算效率。
🏷️
标签
➡️
