要約
骨格に基づく人体行動認識は、表現効果が優れていることから、近年多くの研究注目を集め、実用的な応用範囲も広がっている。この分野において、従来の多くの手法は固定された物理的接続性を持つ骨格構造に依存しており、骨格関節間の内在的な高次相関を十分に捉えられないという課題を抱えている。本論文では、物理的に離れた骨格関節間の内在的な高次接続関係を適応的に学習できる、新しい時空間グラフルーティング（Spatio-Temporal Graph Routing: STGR）方式を提案する。本方式は、空間的グラフルーター（Spatial Graph Router: SGR）と時間的グラフルーター（Temporal Graph Router: TGR）の2つの構成要素で構成される。SGRは空間次元に沿った部分群クラスタリングに基づき、関節間の接続関係を発見することを目的とするのに対し、TGRは時間的な関節ノード軌道間の相関度を測定することで、構造的情報を探索する。提案手法は、グラフ畳み込みネットワーク（Graph Convolutional Networks: GCNs）の枠組みに自然かつシームレスに統合され、骨格関節接続性グラフの集合を生成し、その後分類ネットワークへ入力される。さらに、グラフノードの受容field（受容野）に関する洞察的な分析を通じて、本手法の必要性を説明している。NTU-RGB+DおよびKineticsの2つのベンチマークデータセットにおける実験結果から、最先端手法に対して本手法の有効性が明確に示された。