PulseAugur
中
实时 05:26:51
English(EN) GCN-DevLSTM: Path Development for Skeleton-Based Action Recognition

GCN-DevLSTM 通过李群路径发展增强骨骼动作识别

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种用于视频中骨骼动作识别的新型架构 GCN-DevLSTM。该模型通过引入 G-Dev 层来增强现有的图卷积神经网络 (GCN)，该层利用李群结构的路径发展来更好地捕捉时间动态。GCN-DevLSTM 模块有效地总结了局部时间信息，同时保留了高频细节，从而在 NTU-60 和 NTU-120 等基准数据集上取得了改进的性能。 AI

影响 引入了一种改进骨骼动作识别中时间建模的新方法，可能推动视频分析的发展。

排序理由 该集群包含一篇详细介绍计算机视觉任务新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

GCN-DevLSTM 通过李群路径发展增强骨骼动作识别

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Lei Jiang, Weixin Yang, Xin Zhang, Hao Ni ·

    GCN-DevLSTM: Path Development for Skeleton-Based Action Recognition

    arXiv:2403.15212v3 Announce Type: replace Abstract: Skeleton-based action recognition (SAR) in videos is an important but challenging task in computer vision. The recent state-of-the-art (SOTA) models for SAR are primarily based on graph convolutional neural networks (GCNs), whic…

相关实体

相关话题