Key points are not available for this paper at this time.
Die Gruppenaktivitätserkennung zielt darauf ab, kollektive Aktivitäten aus Videos zu verstehen. Bestehende Lösungen stützen sich hauptsächlich auf die RGB-Modaliät, die auf Herausforderungen wie Hintergrundvariationen, Verdeckungen, Bewegungsunschärfen und erheblichen Rechenaufwand stößt. Inzwischen bieten aktuelle punktbasierte Methoden eine leichte und informative Darstellung menschlicher Bewegungen, erfordern jedoch genaue individuelle Annotationen und spezialisierte Module für Interaktionsschlussfolgerungen. Um diese Einschränkungen zu beheben, entwerfen wir einen Panoramagraphen, der Mehrpersonen-Skelette und Objekte integriert, um Gruppenaktivität zu erfassen, und bieten eine effektive Alternative zu RGB-Videos. Dieser Panoramagraph ermöglicht es dem Graph Convolutional Network (GCN), Intra-Personen-, Inter-Personen- und Personen-Objekt-interaktive Modellierung durch räumlich-zeitliche Graphenfaltungen zu vereinen. In der Praxis entwickeln wir eine neuartige Pipeline, die Skelettkoordinaten mithilfe von Posenabschätzungs- und Tracking-Algorithmen extrahiert, und verwenden Multi-Person Panoramic GCN (MP-GCN), um Gruppenaktivitäten vorherzusagen. Umfassende Experimente mit Volleyball- und NBA-Datensätzen zeigen, dass das MP-GCN sowohl in Bezug auf Genauigkeit als auch Effizienz die Leistung auf dem neuesten Stand der Technik erreicht. Bemerkenswerterweise übertrifft unsere Methode RGB-basierte Ansätze, indem sie nur geschätzte 2D-Schlüsselpunkte als Eingabe verwendet. Der Code ist verfügbar unter https://github.com/mgiant/MP-GCN.
Li et al. (Sun,) haben diese Frage untersucht.