스켈레톤 기반 동작 인식 모델을 더 작고 빠르게, 그리고 더 나아지게 만들기

최근 몇 년 동안 골격 기반 행동 인식은 큰 성공을 거두었지만, 대부분의 기존 방법들은 큰 모델 크기와 느린 실행 속도로 인해 문제가 될 수 있습니다. 이러한 문제를 완화하기 위해, 우리는 골격 시퀀스의 특성을 분석하여 골격 기반 행동 인식을 위한 더블-특징 더블-운동 네트워크(Double-feature Double-motion Network, DD-Net)를 제안합니다. DD-Net은 경량화된 네트워크 구조(즉, 0.15백만 개의 매개변수)를 사용하여 매우 빠른 속도를 달성할 수 있으며, 하나의 GPU에서는 3,500 FPS, 하나의 CPU에서는 2,000 FPS의 성능을 보입니다. 강건한 특성을 활용함으로써 DD-Net은 우리의 실험 데이터셋인 SHREC(즉, 손동작)과 JHMDB(즉, 전신동작)에서 최고 수준의 성능을 달성하였습니다. 우리 코드는 이 논문과 함께 나중에 공개될 예정입니다.