通过图基学习拟合骨架模型
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对骨架建模过程耗时且需大量手动参数调节的问题,提出了一种新的骨架化方法。该方法利用图卷积网络从密集分割掩模中生成骨架表示,并在合成数据和真实海马体分割上进行了评估,取得了良好效果和快速推断的能力。
该研究提出了Ske2Grid,一种用于改进基于骨骼的动作识别的新型表示学习框架。Ske2Grid通过定义规则卷积操作在人体骨骼的网格表示上构建和学习紧凑的图像样式的网格块,并提出了三种新的设计来增强网格表示的表达能力。实验证明,Ske2Grid在六种基于骨骼的动作识别数据集上明显优于现有的基于图卷积网络的解决方案,且无需额外修饰。