KGS-GCN: 運動学駆動のガウススプラッティングと確率的トポロジーによるアクション認識のためのスパーススケルトン感知の強化
arXiv cs.CV / 2026/3/19
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、運動学駆動のガウススプラッティングモジュールを用いてスパーススケルトンデータを連続的なヒートマップへ変換する、KGS-GCN（グラフ畳み込みネットワーク）を提案する。モジュールは関節速度から異方性共分散を導出する。
- 固定されたセンサートポロジーを超える柔軟な長距離依存性を可能にする適応的隣接行列を学習する確率的トポロジー構築を導入し、関節ガウス分布間のBhattacharyya距離を測定する。
- レンダリングされた視覚特徴を用いてGCNバックボーンを調整する視覚的文脈ゲーティング機構を導入し、時空間ダイナミクスをより適切に捉える。
- 実験結果は、本手法が複雑なダイナミクスのモデリングを改善し、低忠実度のセンシングに対する頑健性を高め、従来のスケルトンデータの疎性と硬直性に対処することを示している。
- 本手法は、ヒューマン-コンピュータ・インタラクションや監視のような実世界のセンシング応用において知覚信頼性を高める実用的な道筋を提供する。
