论文阅读13：Spatial Temporal Transformer Network for Skeleton-based Action Recognition-ICPR2020

最新推荐文章于 2023-12-26 10:30:00 发布
最新推荐文章于 2023-12-26 10:30:00 发布
阅读量463 收藏 2
点赞数
分类专栏： 论文阅读 文章标签： 论文阅读 transformer 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/gaocui883/article/details/128215884
版权

paper link : arxiv
code link : github
journal : Pattern Recognition. ICPR International Workshops and Challenges. ICPR 2021. Lecture Notes in Computer Science, Springer, vol 12663, 694-701, ISBN: 978-3-030-68796-0
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

梅津太郎
关注
专栏目录
【论文笔记】ST-TR：Skeleton-based Action Recognition via Spatial and Temporal Transformer Networks
LoveKKarlie_的博客
02-16 4191
Skeleton-based Action Recognition via Spatial and Temporal Transformer Networks基于骨骼通过时空变换网络的行为识别，CVPR2020。 时空变换网络ST-TR： 基于双流的Transformer-based模型；spatial self-attention(SSA)：用于了解不同身体部位之间的帧内交互；temporal self-attention(TSA)：用于对帧内相关性进行建模；研究关节随时间的动力学。
[论文阅读]Spatial Temporal Graph Convolutional Networks for Skeleton-Based ActionRecognition
qq_60272314的博客
10-29 1700
目录 一.概括 二.传统GCN与本文ST-GCN之间的区别 三.实现ST-GCN的细节 一.概括 传统的a骨骼建模方法通常依靠手工制作部分或遍历规则，从而导致表达能力有限和泛化困难.过往方法能力的限制在于不能精确的提取关节之间的空间关系，而这些空间关系对于理解人类活动是重要的。 本文旨在开发一种有原则的、有效的动态骨骼建模方法，并将其用于动作识别。提出了一种新的 ST-GCN，即时空图卷积网络模型，用于解决基于人体骨架关键点的人类动作识别问题。通过自动从数据中自动学习空间和时间...
【论文阅读笔记】Spatial Temporal Transformer Network for Skeleton-based Action Recognition
qq_39820716的博客
11-30 2334
Author: Chiara Plizzari Chinese Title: 《基于骨架动作识别的时空Transformer网络》 Classification: Action Rec Progress: Finished Publication: ICPR 2020 Reading Date: November 24, 2021 Intro: 多亏了3D姿态估计设别的优势，基于骨骼的动作识别近些年发展很快。但是对于提取上下文感知的细粒度时空特征，有潜力释放真正潜力在动作识别上的算法和神经网络目前还是很缺乏
2021-11-12 Spatial Temporal Transformer Network for Skeleton-based Action Recognition
qq_33331451的博客
11-12 1619
Spatial Temporal Transformer Network for Skeleton-based Action Recognition Author and Department Chiara et. al. 米兰理工大学,意大利； 发表在上ICPR，2020. 论文有代码，但是复现不正确，之后跟踪继续。 目 录 文章目录AbstractSummaryResearch Objective(s)/MotivationContributionBackground / Problem State
2022（STTFormer）：Spatio-Temporal Tuples Transformer for Skeleton-Based Action Recognition
最新发布
weixin_45662626的博客
12-26 1511
现存问题：现有的基于 Transformer 的方法无法捕捉帧之间不同关节的相关性。 针对这一问题，本文提出了一种新的时空元组变压器(STTFormer)方法。骨架序列分为几个不重叠的部分。每个部分称为“元组”，包含几个连续的帧。由于几个连续帧中的不同关节具有相关性，因此每个元组被展平成一个短序列。 时空元组自我注意模块来捕获连续帧中不同关节之间的关系。此外，在非相邻帧之间引入了一个特征聚合模块，以增强区分相似动作的能力。
Spatio-Temporal Tuples Transformer for Skeleton-Based Action Recognition
开心的火龙果的博客
02-14 1477
Spatio-Temporal Tuples Transformer for Skeleton-Based Action Recognition 本篇文章针对基于骨架的行为识别进行了研究，提出了一种时空元组transformer。该方法能够在连续帧中建立不同关节的关系，有比较强的区分相似动作的能力，达到了sota。 帧之间不同关节的相关性对行为识别非常有用，在一个动作中，相邻帧之间的不同身体部位常常是一起移动的（例如"跳远"中的手臂和腿）。Kaiming He等曾提出一个时空transformer结构，该结
【论文学习】ST-GCN：Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
LoveKKarlie_的博客
03-02 1812
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition；AAAI2018；基于skeleton动作识别的时空图卷积网络；提出了一种基于图的神经网络动态骨架建模方法时空图卷积网络ST-GCN；针对骨架建模的具体要求，提出了ST-GCN中卷积核的设计原则。
【论文学习】TE-GCN：Temporal Graph Modeling for Skeleton-based Action Recognition
LoveKKarlie_的博客
02-27 653
Temporal Graph Modeling for Skeleton-based Action Recognition；CVPR2020，基于骨架的动作识别的时间图建模。文章提出了一种时间增强图卷积网络Temporal Enhanced Graph Convolutional Network (TE-GCN)来解决此限制——构造时间关系图以捕获复杂的时间动态。具体而言，构造的时间关系图显式地建立语义相关的时间特征之间的连接，以对相邻时间步和非相邻时间步之间的时间关系建模。设计了多头机制来研究多种时间关系
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
abrams90的专栏
12-05 1050
Abstract 动态人体骨架为行为识别承载着重要的信息。传统的骨架建模方法通常依赖于手工设计的部件与便利规则，这导致了表达能力的限制与通用性的难题。本文中，我们提出了一种先进的动态骨架模型称为Spatial-Temporal Graph Convolutional Networks（ST-GCN），这种方法通过自适应学习数据的空间与时间模式来解决之前方法的局限性。这种提法不仅带来了更好的表达能...
阅读Decoupled Spatial-Temporal Attention Network for Skeleton-Based Action Recognition
qq_33331451的博客
08-01 2616
基于骨骼动作识别的解耦时空注意网络 paper：https://arxiv.org/abs/2007.03263 文章目录AbstractIntroductionMethod3.1 Spatial-temporal attention module3.2 Decoupled Position encoding3.3 Spatial global regularization3.4 Complete attention module3.5 Overall architecture3.6 Dat.
Spatial-Temporal Transformer Networks for Traffic Flow Forecasting
qq_30516823的博客
01-30 3891
Spatial-Temporal Transformer Networks for Traffic Flow Forecasting 作者：徐明星 （清华大学）Mingxing Xu, 戴文睿（上交大）等 下载链接 Abstract 交通流具有高度的非线性和动态的时空相关性，如何实现及时准确的交通预测，特别是长期的交通预测仍然是一个开放性的挑战 提出了一种新的Spatio-Temporal Transformer Network(STTNs)范式，该范式联合使用 dynamical directed sp
论文阅读12：Spatio-Temporal Tuples Transformer forSkeleton-Based Action Recognition-2021STTFormer
gaocui883的博客
12-05 339
problems currently : the existing Transformer-based meth-ods cannot capture the correlation of different joints between framesThe skeleton sequence is divided into several parts, and several consecu-tive frames contained in each part are encoded. And then
论文阅读：Spatial-Temporal Transformer for Dynamic Scene Graph Generation(ICCV2021)
qq_40349484的博客
10-27 2067
前些日子作业多，就没看论文。组会上老师问我有没有用transformer做场景图的。我说没吧老师。然后师姐给我发了这篇。今天把这篇文章梳理完了，做个记录。 这篇文章是做动态场景图的，就是由视频生成场景图。我之前看的都是基于静态图片的，也就是静态场景图。论文作者设计了一个Transformer，捕捉到了单个帧内各谓语表示的空间信息和相邻帧的时序信息。为什么要利用好时序信息呢？对于视频而言，前一帧对后一帧是有启发作用的，作者认为如果前一帧是人-holding-杯子这样的关系，那么很容易就能猜到后一帧是人-dri
论文浏览(32) Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition
清欢
08-21 573
文章目录0. 前言1. 要解决什么问题2. 用了什么方法3. 效果如何4. 还存在什么问题&有什么可以借鉴 0. 前言 相关资料： arxiv github 论文解读，知乎讨论 论文基本信息 领域：基于骨架的行为识别 作者单位：港中文 发表时间：AAAI 2018 1. 要解决什么问题 人体行为识别使用的数据源很多，有RGB图像、深度图、光流、人体骨架等。在这些数据源中，动态人体骨架能够传递重要信息，作为补充。但是，对于动态骨架建模相关的研究比较少。 之前对动态骨架建模的主要方
【论文分享】Spatial-Temporal Transformer Networks for Traffic Flow Forecasting
zn0412的博客
11-15 8826
摘要        交通预测已经成为智能交通系统的一个核心组成部分。然而，由于交通流的高度非线性和动态时空依赖性，及时准确的交通预测，特别是长期预测，仍然是一个公开的挑战。在本文中，我们提出了一种新的时空Transformer网络（STTNs），它联合利用动态的定向空间依赖和长距离的时间依赖来提高长期交通流预测的准确性。我们提出了一种新的图神经网络变体，名为空间Transformer，以动态的方式建立具有自注意力机制的有向空间依赖关系模型
2021CVIU（ST-TR）：Skeleton-based Action Recognition via Spatial and Temporal Transformer Networks
weixin_45662626的博客
12-04 329
本文提出了一种新颖的时空 Transformer 网络 (ST-TR)，它使用 Transformer 自注意力算子对关节之间的依赖关系进行建模。在 ST-TR 模型中，空间自注意力模块 (SSA) 用于理解不同身体部位之间的帧内交互，并使用时间自注意力模块 (TSA) 来模拟帧间相关性。
论文阅读：Spatial-Temporal Transformer for Dynamic Scene Graph Generation
wawaqing2333的博客
12-08 3668
论文阅读：Spatial-Temporal Transformer for Dynamic Scene Graph Generation 论文地址：https://arxiv.org/abs/2107.12309 github地址：https://github.com/yrcong/sttran SSTran是一种可以利用时空上下文的Transformer (STTran: Spatial-Temporal Transformer)来生成动态场景图 (Dynamic Scene Graph). 主要贡献
Spatial-Temporal Graph Transformer for Multiple Object Tracking
04-08 2308
作者提出了一个时空图transformer（STGT）的方法，利用图Transformer去建模目标时间和空间的交互。 通过将追踪到的目标的轨迹看作为一个稀疏赋权图进行有效建模目标间的交互，通过图构建一个空间图Transformer、一个时间Transformer编码层和一个空间图Transformer解码层。通过一个级联关联框架来处理低的分的检测和长程遮挡。
Skeleton-Based Action Recognition with Spatial Reasoning and Temporal Stack Learning 论文赏析
qq_35374674的博客
09-16 2381
Skeleton-Based Action Recognition with Spatial Reasoning and Temporal Stack Learning 论文赏析前言IntroductionMotivation（动机）功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右Smarty...
ERROR: Could not build wheels for spatial-correlation-sampler, which is required to install pyproject.toml-based projects
10-28
出现"ERROR: Could not build wheels for spatial-correlation-sampler, which is required to install pyproject.toml-based projects"的错误提示，大概率是因为pytorch版本或cuda版本与spatial-correlation-...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值