임베디드 글로벌 네트워크를 활용한 스켈레톤 기반 동작 예측

3D 스�켈레톤 시퀀스로 표현된 인간의 행동은 군집된 배경과 조명 변화에 대해 강건하다. 본 논문에서는 부분적인 스�켈레톤 시퀀스(부분적인 행동 정보만 포함)로부터 행동을 인식하는 것을 목표로 하는 스�켈레톤 기반 행동 예측을 탐구한다. 우리는 적대적 학습 기반의 새로운 잠재적 전역망(Latent Global Network)을 제안한다. 제안한 네트워크가 부분 시퀀스의 국소적 행동 정보와 보완적인 잠재적 장기 전역 정보를 제공함을 입증하며, 이는 행동 예측 성능을 향상시키는 데 기여함을 보여준다. 또한, 잠재적 전역 정보와 국소적 행동 정보를 결합함으로써 행동 예측 성능이 향상됨을 확인하였다. 제안한 방법은 세 가지 도전적인 스�켈레톤 데이터셋에서 테스트되었으며, 최신 기술 수준(SOTA)의 성능을 기록하였다.