초록
인체 스켈레톤의 역학은 인간 행동 인식에 중요한 정보를 제공합니다. 기존의 스켈레톤 모델링 방법은 주로 수작업으로 만든 부품이나 순회 규칙에 의존하므로, 표현력이 제한적이고 일반화가 어려운 문제를 가지고 있습니다. 본 연구에서는 이전 방법들의 한계를 극복하기 위해 공간-시간 그래프 합성곱 신경망(Spatial-Temporal Graph Convolutional Networks, ST-GCN)이라는 새로운 동적 스켈레톤 모델을 제안합니다. 이 모델은 데이터에서 자동으로 공간적과 시간적인 패턴을 학습하여, 더 높은 표현력과 강화된 일반화 능력을 제공합니다. Kinetics와 NTU-RGBD 두 개의 대규모 데이터셋에서 이 모델은 주류 방법들보다 상당한 개선을 보였습니다.