要約
近年、人間の行動分類に関する研究は著しい進展を遂げている。多くの深層学習手法は、ネットワーク構成要素を追加することで性能の向上を目指している。一方で、本研究では、階層的分類、ネットワークの剪定（pruning）、骨格に基づく前処理といった補助的メカニズムをより効果的に活用することで、モデルのロバスト性および性能の向上を図ることを提案する。本手法の有効性を、一般的に用いられる4つのデータセット（NTU RGB+D 60、NTU RGB+D 120、Northwestern-UCLA Multiview Action 3D、UTD Multimodal Human Action Dataset）において検証した。実験の結果、本手法はすべての4つのデータセットにおいて、既存手法と同等またはより優れた性能を達成することが示された。特に、4つのデータセットの中で最大規模であるNTU RGB+D 120において、新たなベースラインを確立した。また、広範な比較実験およびアブレーションスタディを通じて、本手法の特性と有効性を詳細に分析した。