GenPrior框架使用文本到运动先验进行零样本动作识别

研究人员推出GenPrior，一个新颖的框架，通过利用预训练的文本到运动（T2M）模型的生成先验来改进零样本骨骼动作识别。该方法通过提炼生成的运动序列中的运动学原型和类内离散度，解决了现有方法的语义-运动学差距。GenPrior利用门控网络整合来自运动数据的结构线索，同时减轻合成伪影，并通过挖掘高置信度的未见样本来精炼类原型。在NTU-60、NTU-120和PKU-MMD等基准数据集上的实验表明，GenPrior在零样本和广义零样本设置中均取得了最先进的成果。 AI

影响 这项研究通过更好地将文本描述与物理运动对齐，可能导致更准确、更鲁棒的动作识别系统，从而影响监控、机器人和人机交互等领域。

排序理由 该集群描述了一篇关于动作识别新颖框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• GenPrior
• NTU-120
• NTU-60
• PKU-MMD
• Text-to-Motion (T2M)

• 论文
• 其他

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