SV-GCN

新的SV-GCN框架通过时间鲁棒性增强步态情感识别

研究人员开发了SV-GCN，一个新颖的单流框架，旨在从3D骨骼数据中改进步态情感识别。该方法通过引入帧内相对运动特征以实现帧率不敏感，并实现异构线索的早期融合，从而解决了高标注成本、数据稀缺和泛化能力差等挑战。该框架还包括一个全局掩码引导模块，用于处理可变长度序列，在E-Gait数据集上表现出与最先进方法相当的性能，并在不同序列长度和帧率下显示出强大的泛化能力。