BriefGPT - AI 论文速递
·
Shap-Mix: 基于 Shapley 值引导混合的长尾骨骼动作识别
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
骨架动作识别中存在数据不平衡的挑战。本文提出了一种平衡表示学习方法，通过动作探索策略和动作感知学习计划解决长尾问题。实验证明该方法在四个骨架数据集上取得了大幅改进和卓越的泛化能力。
🎯
关键要点
- 骨架动作识别面临数据不平衡的挑战。
- 当前动作识别算法在类别不平衡时性能下降。
- 提出了一种新颖的平衡表示学习方法解决长尾问题。
- 采用空间-时间动作探索策略扩展样本空间，生成有价值样本。
- 设计了分离的动作感知学习计划以减轻表示空间中的偏差。
- 提出动作感知损失施加更有效的约束。
- 提出跳过模态表示以提供互补的结构信息。
- 在四个骨架数据集上验证了方法的有效性和泛化能力。
➡️
