الشبكة الرسومية للانقسام المنتظم لتقدير وضعية الإنسان ثلاثية الأبعاد

في أساليب تقدير وضعية الإنسان المستندة إلى الهياكل الرسومية القائمة على التحويلات التلقائية (Graph Convolutional Architectures)، يُعد الهيكل العظمي للإنسان عادةً نموذجًا لرسم بياني غير موجه، حيث تمثل العقد نقاط المفاصل في الجسم، والحواف تمثل الاتصالات بين المفاصل المجاورة. ومع ذلك، فإن معظم هذه الأساليب تميل إلى التركيز على تعلم العلاقات بين مفاصل الهيكل العظمي باستخدام الجيران من الدرجة الأولى، مع تجاهل الجيران من الدرجات الأعلى، مما يحد من قدرتها على استغلال العلاقات بين المفاصل البعيدة. في هذا البحث، نقدم شبكة رسم بياني من النوع المُقسَّم المنتظم من الدرجة العليا (RS-Net) لتقدير وضعية الإنسان ثلاثية الأبعاد من صور ثنائية الأبعاد، باستخدام تقنية التقسيم المصفوفي مع التحكم في الوزن والاتصال (Weight and Adjacency Modulation). الفكرة الأساسية تكمن في استكشاف الاعتماديات طويلة المدى بين المفاصل باستخدام جيران متعددة الخطوات (Multi-hop Neighborhoods)، بالإضافة إلى تعلم متجهات تحكم مختلفة لكل مفصل من المفاصل، فضلاً عن مصفوفة تحكم قابلة للتعلم تُضاف إلى مصفوفة الاتصال المرتبطة بالهيكل العظمي. تساعد هذه المصفوفة القابلة للتعلم في تعديل هيكل الرسم البياني من خلال إضافة حواف إضافية في محاولة لاستكشاف اتصالات جديدة بين المفاصل. بدلًا من استخدام مصفوفة وزن مشتركة لجميع المفاصل المجاورة، يطبّق نموذج RS-Net المُقترح مبدأ "عدم مشاركة الوزن" (Weight Unsharing) قبل تجميع المتجهات المميزة المرتبطة بالفروع، بهدف التقاط العلاقات المختلفة بينها. أظهرت التجارب والدراسات التحليلية المُجرّاة على مجموعتي بيانات معياريّتين فعالية النموذج، حيث حقق أداءً متفوّقًا مقارنةً بالأساليب الحديثة المُتطورة في مجال تقدير الوضعية ثلاثية الأبعاد للإنسان.