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。发表于：。本研究针对骨架动作识别中缺乏标注数据的问题，提出了一种轻量级的卷积变换器框架ReL-SAR，利用卷积层与注意力层的互补性，联合建模骨架序列的时空特征。此外，通过Bootstrap Your Own Latent（BYOL）方法从无标签的骨架数据中学习鲁棒表示，最终在多个小规模数据集上实现了优异的性能，展现了该方法的有效性与计算效率。
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。
