NTU RGB+D 60
PulseAugur coverage of NTU RGB+D 60 — every cluster mentioning NTU RGB+D 60 across labs, papers, and developer communities, ranked by signal.
-
新的超图框架通过部分骨架数据提升动作识别能力
研究人员开发了PartialVisGraph，一个旨在改善有限视场场景下基于骨架的动作识别的新型超图框架。该方法解决了在现实应用（如监控或机器人技术）中常见的关节遮挡或视场外问题导致的性能下降问题。该框架利用可学习的虚拟超边和自适应Transformer来聚合关节特征，同时整合可见性先验，过滤掉来自被遮挡关节的不可靠信息。在基准数据集上的实验表明，在部分可见性条件下，准确率显著提高，最高可达68.8%。
-
新的 Cross4D-JEPA 方法蒸馏 2D 模型以理解 4D 点云
研究人员推出了一种新颖的自监督学习方法 Cross4D-JEPA，用于理解动态 4D 点云。该方法将来自 DINOv2 和 V-JEPA 2 等 2D 图像或视频基础模型的知识蒸馏到一个 4D 点编码器中。Cross4D-JEPA 利用密集的跨模态对应关系将 3D 点映射到教师块特征，训练学生编码器以匹配这些特征，而无需掩码、负样本或解码器。与单模态和全局跨模态基线相比，该方法在 MSR-Action3D 和 NTU RGB+D 60…
-
New Attack Method Preserves Motion Quality in Skeleton Action Recognition
研究人员开发了一种新的方法，用于对基于骨骼的人体动作识别系统进行不可感知对抗性攻击。与先前引入明显扰动的方法不同，这种方法旨在保持运动数据的自然性。新技术使用基于分布的对抗性攻击和一种新颖的运动质量评估指标，该指标据称与人类感知更一致。实验表明，该方法在成功攻击动作识别器和保持修改后运动数据的质量方面都有效，引发了对当前系统鲁棒性的担忧。
-
新框架使用超bolic 几何进行基于骨骼的动作识别
研究人员开发了 SkelHCC，一个用于基于骨骼数据的单次动作识别的新框架。该方法利用超bolic 几何来更好地模拟人类运动的层次结构并将其与语言语义对齐。该框架还包含一个由 LLM 引导的缓存，用于高效推理，并在基准数据集上展示了卓越的性能。