实体
NTU RGB+D dataset
NTU RGB+D dataset
PulseAugur coverage of NTU RGB+D dataset — every cluster mentioning NTU RGB+D dataset across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
面向骨骼的零样本动作预测新任务被引入AI领域
研究人员引入了一个名为零样本骨骼动作预测（ZS-SkAA）的新任务，旨在使系统能够从部分骨骼数据中识别未见的动作。该方法结合了有限观测、时间动态和零样本泛化的挑战。研究人员开发了一个基线模型，该模型使用时空特征提取器和互信息最大化模块来对齐视觉特征与语义嵌入，从而增强对新动作的泛化能力。该模型在NTU RGB+D数据集上的有效性得到了证明，确立了ZS-SkAA作为需要适应新动作的现实世界应用的关键研究领域。
-
新的ES-VAE模型改进了骨骼姿态轨迹分析
研究人员开发了一种弹性形状变分自编码器（ES-VAE），旨在更有效地建模骨骼姿态轨迹。该新模型使用一种感知几何的表示方法来分离内在形状动力学和运动，消除了相机视角和执行速度等干扰因素。在从步态周期预测临床活动能力评分和动作识别任务等应用中，ES-VAE已证明其性能优于标准的VAE和其他序列建模基线。
-
研究人员开发用于老年人跌倒检测的稳定、可解释的AI
研究人员开发了一种新的基于骨骼的跌倒检测框架，该框架使用一种称为T-SHAP的时间稳定归因机制。该方法通过提供运动动力学的稳定且有意义的解释，增强了用于老年人监测的AI模型的可解释性。该系统实现了高精度和低延迟，使其适用于实时应用，并且其解释突出了与跌倒相关的生物力学相关模式。