背景
基于骨架的动作识别
GCN的局限性
- 鲁棒性：GCN的识别能力很受骨骼点坐标点平移的影响
- 互操作性：之前研究表明，不同模态（RGB、光流、骨架）是互补的，不同模态的结合能提升识别的性能。GCN很难与其他模态融合
- 可扩展性：GCN将每个人的单一骨骼点视为一个节点，当人数增加时，GCN的复杂度线性增加
本文提出的PoseC3D相比GCN（部分）克服了以上局限性
整体框架
- 姿态估计：人体骨骼点坐标
- 热图生成
- PoseC3D：分类
热图生成
根据骨骼点坐标，使用高斯核生成，每帧生成K✖️H✖️W的热图，然后将T帧的堆叠得到整个序列的3D 热图，维度为K✖️T✖️H✖️W。其中K为骨骼点的数量，T为帧数
实际使用中，使用了两个技巧分别去除了空
最后
以上就是简单鼠标最近收集整理的关于[基于骨架的动作识别] PoseC3D (2021)背景GCN的局限性整体框架热图生成模型结果的全部内容，更多相关[基于骨架的动作识别]内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[基于骨架的动作识别] PoseC3D (2021)背景GCN的局限性整体框架热图生成模型结果](/uploads/reation/bcimg5.png)
发表评论 取消回复