Raumzeitliche Graphenkonvolutionale Netze für die Skelettbasierte Aktionserkennung

Die Dynamik menschlicher Körper-Skelette vermittelt bedeutende Informationen für die Erkennung menschlicher Aktivitäten. Traditionelle Ansätze zur Modellierung von Skeletten basieren in der Regel auf manuell erstellten Komponenten oder Durchlaufregeln, was zu einer begrenzten Ausdrucksstärke und Schwierigkeiten bei der Generalisierung führt. In dieser Arbeit schlagen wir ein neues Modell dynamischer Skelette vor, die Spatial-Temporal Graph Convolutional Networks (ST-GCN), das die Beschränkungen früherer Methoden durch automatisches Lernen sowohl räumlicher als auch zeitlicher Muster aus den Daten überwindet. Diese Formulierung führt nicht nur zu einer größeren Ausdrucksstärke, sondern auch zu einer stärkeren Generalisierungsfähigkeit. Auf zwei großen Datensätzen, Kinetics und NTU-RGBD, erzielt es erhebliche Verbesserungen im Vergleich zu etablierten Methoden.