초록
그룹 활동 인식은 여러 사람으로 구성된 그룹이 수행하는 활동을 이해하는 것을 목표로 한다. 이를 해결하기 위해서는 복잡한 시공간적 상호작용을 모델링하는 것이 핵심이다. 기존의 방법들은 사전에 정의된 그래프 위에서 추론을 수행하는 데 한계가 있으며, 이로 인해 개인별 고유한 상호작용 맥락을 무시하게 된다. 또한, 계산 비용이 높고 과도한 평활화(over-smoothing) 문제를 쉽게 유발하는 추론 방식을 채택하고 있다. 본 논문에서는 동적 추론 네트워크(Dynamic Inference Network, DIN)를 제안함으로써 시공간적 개인별 추론을 실현한다. DIN은 동적 관계(Dynamic Relation, DR) 모듈과 동적 워크(Dynamic Walk, DW) 모듈로 구성된다. 먼저, 초기 시공간 그래프 위에 상호작용 필드를 초기화한다. 각 상호작용 필드 내에서 DR 모듈을 통해 관계 행렬을 예측하고, DW 모듈을 통해 동적 워크 오프셋을 공동 처리 방식으로 예측함으로써 개인별 상호작용 그래프를 형성한다. 특정 그래프 위에서 특징을 업데이트함으로써, 개인은 지역적 초기화를 바탕으로 전역 수준의 상호작용 필드를 갖게 된다. 실험 결과는 두 모듈 모두 효과적임을 입증한다. 또한, 동일한 설정 하에서 두 개의 대표적인 데이터셋에서 기존 최고 성능 기법들과 비교하여 DIN은 유의미한 성능 향상을 달성하면서도 추론 모듈의 계산 부하를 크게 감소시켰다.