利用金字塔图卷积网络理解人类与物体交互中的时空关系

该论文提出了一种新的网络结构，允许任意数量的帧作为输入，解决了CNN在视频分类中帧数不定的问题。

提出的注意力模型在动作识别和人体对象交互任务中显著提高了准确性，并在多个标准基准测试中取得了改进。

基于主成分分析的互动感知自注意模型通过多尺度信息构建空间金字塔，实现了动作分类中的最先进结果。

动态隐藏图模块的视频动作识别方法能够捕捉多对象间的外观/运动变化及其时空关系，具有处理流式视频数据的能力。

新提出的空时金字塔网络通过金字塔结构融合空间和时间特征，最终在标准视频数据集上取得了最先进的结果。

长短期关系网络（LSTR）通过空时注意机制和图卷积网络增强视频动作检测的特征表现，取得了优异的结果。

多尺度空间图卷积和多尺度时间图卷积模型能够捕获空间和时间域中的短程和长程依赖关系，实现骨骼动作识别。

新型的二人图和两个人图卷积网络（2P-GCN）成功识别人与人交互和个体动作，取得了最先进的结果。

互激励图卷积网络 (me-GCN) 通过建模实体间的相互语义关系，在交互动作识别中表现优越。