HARD-Net: 3D 조기 활동 예측을 위한 경도 인지적 구분 네트워크

부분적으로 관측된 활동 시퀀스로부터 클래스 레이블을 예측하는 것은, 서로 다른 활동의 초기 단계가 매우 유사할 수 있기 때문에 매우 어려운 과제이다. 본 논문에서는 구분하기 어려운 유사한 활동 쌍 간의 관계를 특별히 탐구하기 위해 새로운 Hardness-AwaRe Discrimination Network (HARD-Net)을 제안한다. 구체적으로, 구분이 어려운 유사한 쌍을 동적으로 기록하는 Hard Instance-Interference Class (HI-IC) 은행을 설계하였다. 이 HI-IC 은행을 기반으로, 본 연구는 새로운 적대적 학습 기법을 제안하여 HARD-Net의 훈련을 수행함으로써, 3차원 초기 활동 예측을 위한 미세한 구분 정보를 탐지하는 강력한 능력을 네트워크에 부여한다. 제안된 HARD-Net은 두 개의 공개 활동 데이터셋에서 평가되었으며, 최첨단 성능을 달성하였다.