LSTM المكاني-الزماني مع أبواب الثقة لتمييز حركات الإنسان ثلاثية الأبعاد

التعرف على الأنشطة ثلاثية الأبعاد - تحليل الأنشطة البشرية بناءً على بيانات الهيكل العظمي ثلاثي الأبعاد - أصبح شائعًا مؤخرًا بسبب موجزه، متانته، وتمثيله المستقل عن الزاوية. المحاولات الحديثة في هذا المجال اقترحت تطوير طرق التعلم المعتمدة على الشبكات العصبية المتكررة (RNN) لنمذجة الاعتماد السياقي في المجال الزمني. في هذه الورقة البحثية، نوسع هذه الفكرة إلى المجالات المكانية والزمانية لتحليل المصادر الخفية للمعلومات المتعلقة بالنشاط داخل البيانات الإدخالية بشكل متزامن في كلا المجالين. مستوحى من البنية الرسومية للهيكل العظمي البشري، نقترح أيضًا طريقة جولة أكثر قوة تعتمد على البنية الشجرية. للتعامل مع الضوضاء والإخفاء في بيانات الهيكل العظمي ثلاثي الأبعاد، نقدم آلية بوابات جديدة داخل LSTM لتعلم موثوقية البيانات الإدخالية التسلسلية وتعديل تأثيرها على تحديث المعلومات السياقية طويلة الأمد المخزنة في الخلية الذاكرة حسب ذلك. يحقق أسلوبنا أداءً رائدًا على 4 مجموعات بيانات مرجعية صعبة لتحليل النشاط البشري ثلاثي الأبعاد.