PulseAugur
中
实时 09:51:28
English(EN) Point-Supervised Skeleton-Based Human Action Segmentation

新框架大幅降低骨架动作分割的标注成本

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的点监督式骨架人体动作分割框架，显著减少了对大量帧级标注的需求。该方法利用多模态骨架数据，包括关节、骨骼和运动信息，来提取丰富的特征。通过将多模态伪标签技术与现有的聚类和能量函数方法相结合，该框架生成可靠的伪标签来指导模型训练。在PKU-MMD、MCFS-22和MCFS-130等基准数据集上的实验表明，该方法取得了有竞争力的性能，甚至优于一些全监督方法，同时大幅降低了标注成本。 AI

影响 降低了需要从骨架数据理解人类行为的AI系统的标注负担。

排序理由 该集群包含一篇学术论文，详细介绍了一种用于骨架人体动作分割的新方法。[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 →

新框架大幅降低骨架动作分割的标注成本

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Hongsong Wang, Yiqin Shen, Pengbo Yan, Jie Gui, Yang Zhang ·

    点监督骨架人体动作分割

    arXiv:2603.06201v2 Announce Type: replace Abstract: Skeleton-based temporal action segmentation is a fundamental yet challenging task, playing a crucial role in enabling intelligent systems to perceive and respond to human activities. While fully-supervised methods achieve satisf…

相关实体

相关话题