论文作者：Haodong Duan,Mingze Xu,Bing Shuai,Davide Modolo,Zhuowen Tu,Joseph Tighe,Alessandro Bergamo
作者单位：The Chinese University of Hong Kong; AWS AI Labs.
论文链接：http://arxiv.org/abs/2309.11445v1
内容简介：
1）方向：基于骨架的动作识别
2）应用：视频级别动作分类、实例级别动作检测、群体级别活动识别
3）背景：现有的骨架动作识别工作主要集中在受控环境下，本文针对更一般的场景，这些场景通常涉及不同数量的人和人与人之间的各种形式的互动。
4）方法：SkeleTR采用了一个两阶段的方法。首先，它利用图卷积对每个骨架序列建模，以模拟单个人的骨架动态。然后，它使用堆叠的Transformer编码器来捕捉在一般场景中对动作识别重要的人际交互。为了减轻不准确的骨架关联对结果的负面影响，SkeleTR将相对较短的骨架序列作为输入，并增加了序列的数量。作为一个统一的解决方案，SkeleTR可以直接应用于多个基于骨架的动作任务，包括视频级别的动作分类、实例级别的动作检测以及群体级别的活动识别。此外，它还支持在不同动作任务和数据集之间进行迁移学习和联合训练，从而提升性能。
5）结果：在各种基于骨架的动作识别基准测试中，SkeleTR取得了最先进的性能，证明了其在处理多种动作识别任务时的优越性。
