[Paper] GCN 기반 행동 인식을 위한 능동 학습

Source: arXiv

초록

그래프 컨볼루션 네트워크(GCN)가 스켈레톤 기반 행동 인식에서 눈에 띄는 성공을 거두었음에도 불구하고, 그 성능은 종종 대량의 라벨링된 데이터에 의존합니다. 실제 환경에서는 이러한 데이터가 부족한 경우가 많습니다. 이 한계를 극복하기 위해 우리는 새로운 라벨 효율적인 GCN 모델을 제안합니다. 우리의 작업은 두 가지 주요 기여를 합니다. 첫째, 적대적 전략을 활용하여 라벨링을 위한 정보성 높은 소수의 예시 집합을 식별하는 새로운 획득 함수를 개발했습니다. 이 선택 과정은 대표성, 다양성, 불확실성의 균형을 맞춥니다. 둘째, 양방향 및 안정적인 GCN 아키텍처를 도입했습니다. 이러한 향상된 네트워크는 주변 데이터 공간과 잠재 데이터 공간 사이의 매핑을 보다 효과적으로 수행하여 학습된 예시 분포에 대한 이해를 높입니다. 두 개의 도전적인 스켈레톤 기반 행동 인식 벤치마크에 대한 광범위한 평가 결과, 기존 연구에 비해 라벨 효율적인 GCN이 상당한 개선을 이루는 것으로 나타났습니다.

주제

• 컴퓨터 비전 및 패턴 인식 (cs.CV)

인용

• arXiv: 2511.21625 (cs.CV)
• DOI: https://doi.org/10.48550/arXiv.2511.21625

제출 이력

• v1 – Wed, 26 Nov 2025 17:51:59 UTC (25 KB) – Author: Hichem Sahbi