Expressive Keypoints for Skeleton-Based Action Recognition via Progressive Skeleton Evolution

doi:10.1109/TIP.2025.3632229

Expressive Keypoints for Skeleton-Based Action Recognition via Progressive Skeleton Evolution

2025-01-01

0

PRE

AI

DOI：10.1109/TIP.2025.3632229

原文链接

原文求助

摘要

En 中文

在骨骼姿态的人体动作识别领域，依赖粗粒度人体关键点的传统方法难以捕捉细微的人体动作。本研究提出了一种名为Expressive Keypoints的方法，该方法融合手部和脚部细节以形成细粒度的骨骼表示，旨在提升现有模型区分复杂人体动作的判别能力。然而，处理近三倍数量的关节点带来的计算成本增加成为新的挑战。为解决此问题，我们提出了Progressive Skeleton Evolution策略，该策略在显著提升效率的同时保留了细粒度关键点的优势。其核心思想在于利用可学习的映射矩阵，通过语义初始化逐步下采样关键点，并分配重要性权重以优先处理突出关节。此外，我们还引入了一个即插即用的Instance Pooling模块，用于将本方法扩展至多人场景，而无需显著增加计算成本。在七个数据集上的大量实验结果证明，相较于基于骨骼姿态的人体动作识别领域当前最优方法，本方法具有显著优势。代码已发布于https://github.com/YijieYang23/PSE-GCN。

Keyword:

Skeleton-based action recognition

graph convolutional network

fine-grained representation

Expressive Keypoints for Skeleton-Based Action Recognition via Progressive Skeleton Evolution

摘要

期刊

机构

引用论文