基于骨架的动作识别的无监督空间时间特征增强与保真网络

原文约200字，阅读约需1分钟。发表于：。

通过研究 unsupervised learning 在基于骨骼的动作识别中的过拟合问题，本文提出了 Unsupervised spatial-temporal Feature Enrichment and Fidelity Preservation framework (U-FEFP) 以生成丰富的分布式特征，包含骨骼序列的所有信息，并通过 t-SNE 图验证了 U-FEFP 在 unsupervised skeleton based action recognition 上学到了更有辨识力的特征。

该研究提出了一种新的无监督骨架动作识别系统，使用编码器-解码器递归神经网络。该系统能够在没有标签或深度输入的情况下识别身体关键点的移动，并且在与其他无监督骨架方法的比较中表现出更好的性能。