摘要
人体骨架的动力学特性在人类行为识别中传递了大量重要信息。传统的骨架建模方法通常依赖于手工设计的部件或遍历规则，因此导致表达能力有限且泛化困难。在这项工作中，我们提出了一种新型的动态骨架模型，称为时空图卷积网络（Spatial-Temporal Graph Convolutional Networks, ST-GCN），该模型通过从数据中自动学习空间和时间模式，超越了以往方法的局限性。这一方法不仅提高了表达能力，还增强了泛化能力。在两个大型数据集 Kinetics 和 NTU-RGBD 上，ST-GCN 相比主流方法取得了显著的改进。