스켈레톤 기반 행동 인식을 위한 그래프 합성곱의 분리와 통합

공간-시간 그래프는 인간 행동 역학을 모델링하기 위해 스켈레톤 기반 행동 인식 알고리즘에서 널리 사용되고 있습니다. 이러한 그래프에서 강건한 움직임 패턴을 포착하기 위해서는 장거리 및 다중 규모 컨텍스트 집계와 공간-시간 의존성 모델링이 강력한 특징 추출기의 핵심 요소입니다. 그러나 기존 방법들은 (1) 다중 규모 연산자 하에서 편향되지 않은 장거리 관절 관계 모델링과 (2) 복잡한 공간-시간 의존성을 포착하기 위한 방해받지 않는 시공간 정보 흐름을 달성하는 데 한계가 있습니다. 본 연구에서는 (1) 다중 규모 그래프 합성곱을 분리하는 간단한 방법과 (2) G3D라는 이름의 통합된 공간-시간 그래프 합성곱 연산자를 제시합니다. 제안된 다중 규모 집계 방식은 효과적인 장거리 모델링을 위해 서로 다른 이웃에서 노드의 중요성을 분리합니다. 제안된 G3D 모듈은 직접적인 정보 전파를 위해 공간-시간 그래프를 통해 밀집된 시공간 엣지를 스킵 연결로 활용합니다. 이러한 제안들을 결합하여, MS-G3D라는 이름의 강력한 특징 추출기를 개발하였으며, 이를 바탕으로 우리의 모델은 NTU RGB+D 60, NTU RGB+D 120, Kinetics Skeleton 400 등 세 가지 대규모 데이터셋에서 기존 최신 방법들을 능가하는 성능을 보였습니다.