ST-GCN
- 结合 gcn 和 tcn
- 节点信息传播中不同邻居节点权值不同
AS-GCN
- 对邻接矩阵进行操作,同时考虑物理连接和学习到的连接
- 类似于集合了:AGCN + ST-GCN
2s-AGCN
- 双流的方式
- 人体关键点坐标流和人体骨架流
- 邻接矩阵可学习
- 后续改进版加入了 attention
CTR-GCN
- 不同通道邻接矩阵不同(学习得到,增加维度即可)
- 时域采用多尺度
PoseC3D
- 关节点回归到热力图,在热力图上进行3D卷积
- 可以非常简单地结合RGB信息
SGN
- 采用3层 GCN,GCN 处理完空域信息之后再用两层 cnn 处于时域信息
- 脱离人体关节点物理连接:采用自注意机制或者 attention map + position embedding 进行节点信息聚合
MS-G3D
- 同时处理时域和空间域 -> 达到类似 3D 卷积的效果
- 多尺度信息融合:通过不同 kernel size、dilations、windows 等实现
LSTA-Net
源代码为空?
AdaSGN
原文:AdaSGN_Adapting_Joint_Number_and_Model_Size_for_Efficient_Skeleton-Based_ICCV_2021_paper.pdf
Topology-aware Convolutional Neural Network for Efficient Skeleton-based Action Recognition
尚无代码
只考虑了 node 的表示,没有考虑边的表示!