على الخصائص الهندسية للتعرف على الإجراءات القائمة على الهيكل العظمي باستخدام شبكات LSTM متعددة الطبقات

لقد حققت النماذج القائمة على الشبكات العصبية التكرارية (RNN) أداءً متميزًا في تصنيف الحركات باستخدام إدخالات الهيكل العظمي. في الوقت الراهن، تقتصر هذه الأساليب على استخدام إحداثيات المفاصل كمدخلات، وتحسّن الدقة بشكل رئيسي من خلال توسيع نماذج RNN إلى المجال المكاني بطرق مختلفة. بينما تستكشف هذه النماذج العلاقات بين الأجزاء المختلفة مباشرة من خلال إحداثيات المفاصل، نقدّم طريقة موديلينغ مكانيّة بسيطة وعامة، متعامدة مع تحسين نماذج RNN. وبشكل محدد، نختار مجموعة من السمات الهندسية البسيطة، مستوحاة من تطوّر الأعمال السابقة. ومن خلال التجارب على إطار عمل LSTM متكون من طبقتين، نلاحظ أن السمات الاتصالية الهندسية القائمة على المسافات بين المفاصل والخطوط المختارة تتفوّق على غيرها من السمات، وتحقق نتائج متقدمة على أربع مجموعات بيانات. بالإضافة إلى ذلك، نُظهر كثافة انخفاض أوزان المدخلات في الطبقة الأولى من LSTM التي تم تدريبها باستخدام السمات الهندسية، ونُثبت أن استخدام المسافات بين المفاصل والخطوط كمدخلات يتطلب كمية أقل من البيانات لتدريب النموذج.