.png){kind=icon}
返回
PHANet: Contrastive hypergraph structures and prototype memory for discriminative skeleton-based action recognition
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2026.116068.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于骨架的动作识别随着图卷积网络（GCNs）的演进取得了显著进展。然而，一个持续的挑战在于区分具有高度相似运动轨迹的动作，其中类间语义重叠导致特征边界模糊和严重可区分性下降。这种重叠将结构噪声引入特征空间，使得来自不同但语义相关的类别的实例共享冗余的运动线索，从而阻碍了鲁棒分类。为了解决这一问题，我们提出了PHANet，一种新颖的基于骨架的动作识别框架，该框架利用超图对比网络和原型基语义对齐。具体而言，PHANet首先提出超图对比学习模块（HCLM），以构建身体关节间的高阶拓扑依赖关系。这能够明确捕捉细粒度的关节间相关性，并通过类别特定的对比目标抑制由语义重叠引起的误导性关联。此外，PHANet提出了一种基于内存的原型学习模块（MPLM），该模块维护一个动态内存库，通过原型级对比对齐来存储和更新类别原型，强制执行类内紧致性和扩大类间间隔。在三个大规模基准上的广泛实验表明，PHANet超越了当前最先进的方法，特别是在涉及高类间相似性的场景中。
Keyword:
Inter-class semantic overlap
Hypergraph contrastive learning
Prototype learning
Feature discriminability
Skeleton-based action recognition
