الشبكات العصبية التلافيفية الرسومية المُفكَّكة هرميًا للتعرف على الإجراءات القائمة على الهيكل العظمي

تُعدّ الشبكات التلافيفية الرسومية (GCNs) أكثر الطرق استخدامًا في التعرف على الإجراءات القائمة على الهيكل العظمي، وقد حققت أداءً متميزًا. ومن المهم جدًا بشكل خاص إنشاء مصفوفات التوصيل ذات حواف ذات معنى دلالي، لكن استخلاص هذه الحواف يُعدّ مشكلة صعبة. ولحل هذه المشكلة، نقترح بنية جديدة تُسمى الشبكة التلافيفية الرسومية المُفكَّكة هرميًا (HD-GCN)، مع رسم بياني مُفكَّك هرميًا جديدًا (HD-Graph). وتُفكِّك HD-GCN بشكل فعّال كل عقدة مفصلية إلى عدة مجموعات لاستخراج الحواف المجاورة بناءً على البنية والحواف البعيدة، ثم تُستخدم هذه الحواف لبناء رسم بياني مُفكَّك هرميًا (HD-Graph) يحتوي على هذه الحواف ضمن نفس الفضاءات الدلالية للهيكل العظمي البشري. بالإضافة إلى ذلك، نُقدِّم وحدة تجميع هرمي مُرشدة بالانتباه (A-HA) لتسليط الضوء على المجموعات الهرمية المهيمنة من الحواف في HD-Graph. علاوةً على ذلك، نطبّق طريقة تجميع جديدة ذات ستة أوجه، والتي تعتمد فقط على تدفقي المفصل والعظم دون الحاجة إلى أي تدفق حركي. وقد تم تقييم النموذج المقترح، وحقق أداءً من الدرجة الأولى على أربع مجموعات بيانات كبيرة وشائعة. وأخيرًا، نُظهر فعالية نموذجنا من خلال مجموعة من التجارب المقارنة المتنوعة.