[论文翻译]揭示关键细节以识别差异：基于骨架的动作识别新原型视角

在基于骨架的动作识别中，一个关键挑战是由于骨骼表示缺乏图像级细节，难以区分关节轨迹相似的动作。我们认识到相似动作的区分依赖于特定身体部位的细微运动细节，因此将方法重点放在局部骨架组件的细粒度运动上。为此，我们提出了ProtoGCN——一种基于图卷积网络(GCN)的模型，它将整个骨架序列的动态分解为可学习原型(prototype)的组合，这些原型代表动作单元的核心运动模式。通过对比原型重建，ProtoGCN能有效识别并增强相似动作的判别性表征。在未使用额外技巧的情况下，ProtoGCN在NTU RGB+D、NTU RGB+D 120、Kinetics-Skeleton和FineGYM等多个基准数据集上实现了最先进的性能，证明了该方法的有效性。代码已开源：https://github.com/firework8/ProtoGCN。