PulseAugur
实时 13:50:47
English(EN) Exploring Adaptive Masked Reconstruction for Self-Supervised Skeleton-Based Action Recognition

新的AMR框架加速骨骼动作识别

研究人员开发了一个名为自适应掩码重建(AMR)的新框架,以改进自监督骨骼动作识别。AMR通过将解码器与编码器分离来加速预训练过程,从而能够更灵活地预测更大的时空块。它还包含一个自适应引导模块,可将模型的注意力引向信息量最大的运动模式,从而提高识别准确性。实验表明,AMR显著缩短了训练时间,并在多个基准数据集上优于现有的最先进方法。 AI

影响 加速骨骼动作识别任务的训练并提高准确性。

排序理由 该集群包含一篇详细介绍骨骼动作识别新框架的研究论文。[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 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Shengkai Sun, Zhiyong Cheng, Zefan Zhang, Jianfeng Dong, Zhihui Li, Meng Wang ·

    Exploring Adaptive Masked Reconstruction for Self-Supervised Skeleton-Based Action Recognition

    arXiv:2606.11450v1 Announce Type: new Abstract: Recently, masked skeleton reconstruction models have emerged as strong action representation learners, driving significant progress in self-supervised skeleton-based action recognition. However, existing state-of-the-art methods mus…