PulseAugur
中
实时 06:56:20
English(EN) Skeleton-Snippet Contrastive Learning with Multiscale Feature Fusion for Action Localization

新的对比学习方法改进了基于骨架的动作定位

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为骨架-片段对比学习（Skeleton-Snippet Contrastive Learning）的新型自监督预训练方法，用于改进基于骨架数据的时序动作定位。该方法使用片段判别任务来学习区分相邻帧的特征，这对于识别动作边界至关重要。该方法还包含一个U型模块来融合中间特征，提高帧级定位的分辨率。实验结果表明，在BABEL数据集上性能有所提升，并在PKUMMD数据集上取得了最先进的迁移学习结果。 AI

影响 引入了一种新的基于骨架的动作定位技术，有望改进监控和人机交互等应用。

排序理由 这是一篇详细介绍动作定位新方法的学术论文。[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 →

新的对比学习方法改进了基于骨架的动作定位

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Qiushuo Cheng, Jingjing Liu, Catherine Morgan, Alan Whone, Majid Mirmehdi ·

    Skeleton-Snippet Contrastive Learning with Multiscale Feature Fusion for Action Localization

    arXiv:2512.16504v3 Announce Type: replace Abstract: The self-supervised pretraining paradigm has achieved great success in learning 3D action representations for skeleton-based action recognition using contrastive learning. However, learning effective representations for skeleton…

相关实体

相关话题