.png){kind=icon}
返回
Exploring interaction: Inner-outer spatial-temporal transformer for skeleton-based mutual action recognition
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.130007.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于Transformer的方法在骨骼动作识别领域取得了显著成果。然而，在处理双人交互时，现有方法通常分别嵌入每个人的骨骼信息，然后引入额外模块来学习他们之间的交互。这种方法可能导致丢失两个实体之间的空间和语义连接信息，而这对于交互识别至关重要。为解决此问题，本文提出了一种统一的交互式时空Transformer。首先，执行双人嵌入（TPE）以提供整体的交互关系表示，可有效避免因交互实体分割造成的信息缺失。其次，提出了一种创新的内外Transformer（IOformer），结合新的时空分区策略，同时学习分区内部关节与分区间骨骼部分的交互。通过全面捕捉关键的时空交互特征，交互识别的准确性和鲁棒性可显著提升。在三个具有挑战性的基准数据集上的大量实验验证表明，本方法在综合评价方法中取得了更优的性能。
Keyword:
Two-person interaction recognition
Transformer
Skeleton data
Spatio-temporal partition
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
暂无机构信息
引用论文
Multi-stream mixed graph convolutional networks for skeleton-based action recognition多流混合图卷积网络用于基于骨骼的动作识别
PREAI
分享收藏AMHGCN: Adaptive multi-level hypergraph convolution network for human motion prediction.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏STDM-transformer: Space-time dual multi-scale transformer network for skeleton-based action recognitionStdm-transformer: 用于基于骨架的动作识别的时空双多尺度transformer网络NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Decoupled Spatial-Temporal Attention Network for Skeleton-Based Action-Gesture Recognition用于基于骨架的动作手势识别的解耦时空注意网络
PREAI
分享收藏NTU RGB+D 120: A Large-Scale Benchmark for 3D Human Activity UnderstandingNTU RGB D 120: 3D人类活动理解的大规模基准
OAAI
OAAI分享收藏
查看更多内容