arrow
返回

Representation learning for skeleton-based action recognition from a causal perspective

delete2025-11-22
delete0
PRE
AI
M
Mengxian Hu
L
Liuyi Wang
C
Chenpeng Yao
Q
Qingqing Yan
C
Chengju Liu
Q
Qijun Chen
DOI:10.1016/j.knosys.2025.114948delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 我们为对比动作表示学习引入了一种结构因果模型,明确建模了导致学习到的表示产生偏差的混淆因素。 • 提出了一种基于频谱信息的非因果扰动策略,在保留动作语义的同时,引导正样本对朝向频谱特定的保持性。 • 将一个前门专家编码器整合到多专家框架中,以实现对对比学习中多样化时空特征的无偏推断。 • 在三个基准数据集上的大量实验表明,该方法在更少可学习参数的情况下达到了最先进性能。

期刊

K
Knowledge-Based Systems
IF:
7.6
论文数:
1.3W
被引数:
4.5W

机构

C
College of Electronics and Information Engineering
学者数:
121
论文数: 55
被引数: 0
引用论文

引用论文

Exploring incomplete decoupling modeling with window and cross-window mechanism for skeleton-based action recognition
err2023-12-01
err6
PREAI
errLi, Shengze; Xiang, Xin; Fang, Jihong; Zhang, Jun; Cheng, Songsong; Wang, Ke
err分享
err收藏
THE IMPORTANCE OF PHASE IN SIGNALS
err1981-01-01
err1.4K
PREAI
errOPPENHEIM, AV; LIM, JS
err分享
err收藏
学者 查看更多内容