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

原文：https://arxiv.org/pdf/2111.00823.pdf

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

原文：https://arxiv.org/pdf/2112.04178.pdf

尚无代码

只考虑了 node 的表示，没有考虑边的表示！