Key points are not available for this paper at this time.
أدى الظهور الأخير لكاميرات العمق ذات التكلفة المنخفضة وسهولة التشغيل إلى revitalizing البحث في التعرف على الحركة البشرية المستندة إلى الهيكل العظمي. ومع ذلك، فإن معظم الأساليب الحالية تتجاهل الاعتماد المتبادل الداخلي بين مفاصل الهيكل العظمي وفئات الحركة، مما يؤدي إلى أداء غير مرضٍ في التعرف. في هذه الورقة، يقترح نموذج جديد للتعلم المتعدد المهام مع هامش كامن للتعرف على الحركة ثلاثية الأبعاد. بشكل محدد، نستفيد من الهياكل كحد وسط لوصف الحركات. ثم نطبق نموذج التعلم لالتقاط العلاقات بين الهياكل الكامنة وفئات الحركة، كل منها يمثل مهمة. من خلال الاستفادة من تنظيم الاستمرار المنظم، يمكن اكتشاف المعلومات المشتركة التي تعود لنفس الفئة من الهياكل الكامنة، بينما يمكن أيضًا الحفاظ على المعلومات الخاصة عبر فئات مختلفة. تم تقييم النموذج المقترح على ثلاث مجموعات بيانات تحدٍ للحركة تم التقاطها بواسطة كاميرات العمق. تظهر النتائج التجريبية أن نموذجنا يحقق باستمرار أداءً متفوقًا مقارنة بأحدث الأساليب الحالية.
قام يانغ وآخرون (Fri،) بدراسة هذا السؤال.