BriefGPT - AI 论文速递
·
空间层次与时间注意力引导的跨掩蔽自监督骨架动作识别
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种高效的骨架序列学习框架Skeleton Sequence Learning（SSL）。通过将骨架关节序列嵌入图卷积网络（GCN），并利用人体拓扑知识重构遮蔽关节和边，构建了SkeletonMAE编码器-解码器架构。结合时空表示学习模块，SSL在多个数据集上表现优异，超过了许多自监督方法，并与部分全监督方法相当。
🎯
关键要点
- 提出了一种高效的骨架序列学习框架，名为Skeleton Sequence Learning（SSL）。
- 通过将骨架关节序列嵌入图卷积网络（GCN），重构遮蔽骨架关节和边。
- 构建了不对称的基于图的编码器-解码器预训练架构，命名为SkeletonMAE。
- 将预训练的SkeletonMAE编码器与时空表示学习（STRL）模块集成到SSL框架中。
- 实验结果表明，SSL在FineGym、Diving48、NTU 60和NTU 120数据集上表现优异。
- SSL在自监督骨骼动作识别方法中优于许多先进方法，并与部分全监督方法性能相当。
🏷️
标签
➡️
