FineTec: 通过骨骼分解和序列补全处理时间腐败的细粒度动作识别

Research Paper#Action Recognition, Computer Vision, Deep Learning🔬 Research|分析: 2026年1月3日 06:33•
发布: 2025年12月31日 18:59
•
1分で読める
•ArXiv

分析

本文解决了从损坏的骨骼序列中识别细粒度动作的关键问题，这是现实世界应用中的一个常见问题。 提出的 FineTec 框架通过结合上下文感知的序列补全、空间分解、物理驱动估计和基于 GCN 的识别头，提供了一种新颖的方法。 在粗粒度和细粒度基准测试中，特别是在严重的时间腐败下，性能的显着提升，突出了所提出方法的有效性和鲁棒性。 物理驱动估计的使用特别有趣，并且可能有利于捕捉微妙的运动线索。
引用 / 来源
查看原文
"FineTec achieves top-1 accuracies of 89.1% and 78.1% on the challenging Gym99-severe and Gym288-severe settings, respectively, demonstrating its robustness and generalizability."
A
ArXiv2025年12月31日 18:59
* 根据版权法第32条进行合法引用。
较旧

OpenAI Accuses DeepSeek of Data Theft

较新

OpenAI API Key Abuse Incident Highlights Lack of Spending Limits

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv