초록
본 논문에서는 뼈대 기반 영상에서의 동작 인식을 위한 깊이 있는 점진적 강화 학습(DPRL, Deep Progressive Reinforcement Learning) 방법을 제안한다. 이 방법은 동작 인식을 위해 시퀀스 내에서 가장 정보가 풍부한 프레임을 추출하고, 모호한 프레임은 제거함으로써 효율적인 인식을 목표로 한다. 각 영상에 대해 대표 프레임 선택에 가능한 조합이 매우 많기 때문에, 우리는 깊이 있는 강화 학습을 통해 프레임 선택을 점진적인 과정으로 모델링한다. 이 과정에서 선택된 프레임을 조정할 때 두 가지 중요한 요소를 고려한다: (1) 선택된 프레임의 품질과 (2) 선택된 프레임들이 전체 영상과 가지는 관계성. 또한, 인간의 신체 구조는 본질적으로 그래프 기반 구조를 지니고 있으며, 정점은 관절을, 간선은 강체 뼈를 나타내므로, 관절 간의 종속 관계를 효과적으로 포착하기 위해 그래프 기반의 합성곱 신경망(GCN, Graph-based Convolutional Neural Network)을 활용한다. 제안하는 방법은 널리 사용되는 세 가지 벤치마크에서 매우 경쟁력 있는 성능을 달성하였다.