Key points are not available for this paper at this time.
حققت الأعمال الحديثة المبنية على شبكة التلافيف الرسومية (GCN) نتائج ملحوظة في التعرف على أفعال البشر المستندة إلى الهيكل العظمي. ومع ذلك، في حين أن الأساليب الحالية تستكشف بشكل موسع علاقات المفاصل الثنائية، إلا أن عددًا محدودًا فقط من النماذج تستكشف العلاقات المعقدة والعالية الرتبة بين عدة مفاصل. في هذه الورقة، نقترح طريقة جديدة للالتفاف الرسومي الهجين تمثل العلاقات بين عدة مفاصل باستخدام الحواف الهجينة، وتعمل على تحسين العلاقة ذات الرتبة العليا بين الحواف الهجينة بطريقة ديناميكية في الأبعاد المكانية والزمنية وقنوات البيانات. على وجه الخصوص، تبدأ طريقتنا بشبكة الالتفاف الرسومي الهجين لتحسين الزمن والقناة، بحيث تتعلم ديناميكيًا من التوبولوجيا الزمنية وتوبولوجيا القنوات بطريقة تعتمد على البيانات، مما يسهل التقاط المعلومات الهيكلية غير الفيزيائية الموجودة في جسم الإنسان. علاوة على ذلك، لنمذجة علاقات المفاصل المختلفة عبر الأبعاد الزمانية والمكانية، نقترح وحدة مفصلية هجين زمنية مكانية، والتي تهدف إلى تجميع الخصائص الديناميكية المكانية الزمنية لجسم الإنسان. من خلال دمج هذه الوحدات، يحقق نموذجنا المقترح أداءً متفوقًا على مجموعات بيانات RGB+D 60 و NTU RGB+D 120.
درس شاوان وآخرون (الجمعة) هذا السؤال.