HuGaDB

新的MASQ框架增强了无监督骨架动作分割

研究人员开发了一个名为掩码感知动作时空量化（MASQ）的新框架，以改进无监督的基于骨架的动作分割。该方法解决了空间掩码与离散量化结合时出现的表示模糊和时间抖动问题。MASQ将空间特征推理和时间预测解耦，采用联合级结构化Dropout进行空间学习，并采用掩码感知速度损失来保证时间一致性。在HuGaDB、LARa和BABEL数据集上的实验表明，MASQ的性能显著优于现有方法，尤其是在平均帧准确率方面。