論文の概要: SkelHCC: A Hyperbolic CLIP-Driven Cache Adaptation Framework for Skeleton-based One-Shot Action Recognition

• arxiv url: http://arxiv.org/abs/2606.03610v1
• Date: Tue, 02 Jun 2026 13:13:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.018535
• Title: SkelHCC: A Hyperbolic CLIP-Driven Cache Adaptation Framework for Skeleton-based One-Shot Action Recognition
• Title（参考訳）: SkelHCC:スケルトンに基づくワンショットアクション認識のためのハイパーボリックCLIP駆動キャッシュ適応フレームワーク
• Authors: Yanan Liu, Anqi Zhu, Jingmin Zhu, Jun Liu, Hossein Rahmani, Mohammed Bennamoun, Farid Boussaid, Dan Xu, Qiuhong Ke,
• Abstract要約: SkelHCCは、シングルショットアクション認識のための統合スケルトンハイパーボリックCLIP駆動キャッシュ適応フレームワークである。 双曲幾何学の負の曲率と指数体積の増大を利用して、EH-HCLIPは自然にヒト解剖学の結合部分体階層をコードする。
• 参考スコア（独自算出の注目度）: 54.97159515886273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Skeleton-based action recognition aims to understand human behaviors from body joint sequences and is especially challenging in the one-shot setting, where only a single labeled exemplar is available for each novel action. A key challenge is learning representations that capture the hierarchical and compositional structure of human motion while aligning effectively with high-level action semantics under extreme data scarcity. Existing approaches, largely based on Euclidean embeddings and low-level motion cues, struggle to model the tree-like organization of skeleton data, limiting cross-modal alignment and generalization to unseen action categories. We propose SkelHCC, a unified skeleton hyperbolic CLIP-driven cache adaptation framework for one-shot skeleton-based action recognition. SkelHCC introduces an Explicitly Hierarchical Hyperbolic CLIP (EH-HCLIP) module that embeds skeleton sequences and action language into a shared hyperbolic space. By leveraging the negative curvature and exponential volume growth of hyperbolic geometry, EH-HCLIP naturally encodes the joint-part-body hierarchy of human anatomy and yields structurally consistent cross-modal representations. To support efficient one-shot adaptation, SkelHCC further integrates a training-free LLM-guided Multi-granularity Voting Cache (LMV-Cache) for context-aware inference. Experiments on NTU RGB+D 60, NTU RGB+D 120, and PKU-MMD demonstrate that SkelHCC consistently outperforms state-of-the-art methods.
• Abstract（参考訳）: スケルトンをベースとした行動認識は、身体の関節の配列から人間の行動を理解することを目的としており、特にワンショット環境では、新しいアクションごとに1つのラベル付き外見しか利用できない。 重要な課題は、人間の動作の階層的および構成的構造を捉えながら、極端なデータ不足下での高レベルのアクションセマンティクスと効果的に整合する表現を学習することである。 既存のアプローチは、主にユークリッドの埋め込みと低レベルのモーションキューに基づいており、木のような骨格データの組織をモデル化し、クロスモーダルアライメントと一般化を、目に見えないアクションカテゴリに制限している。 単発骨格に基づく動作認識のための統合骨格双曲CLIP駆動キャッシュ適応フレームワークであるSkelHCCを提案する。 SkelHCCは、骨格配列とアクション言語を共有双曲空間に埋め込むExplicitly Hierarchical Hyperbolic CLIP (EH-HCLIP)モジュールを導入した。 双曲幾何学の負の曲率と指数体積の増大を利用して、EH-HCLIPは自然にヒト解剖学の結合部分体階層を符号化し、構造的に一貫したクロスモーダル表現を生成する。 効率的なワンショット適応をサポートするため、SkelHCCはさらに、文脈対応推論のためのトレーニング不要なLLM誘導マルチグラニュラリティ投票キャッシュ(LMV-Cache)を統合する。 NTU RGB+D 60、NTU RGB+D 120、PKU-MMDの実験により、SkelHCCは最先端の手法よりも一貫して優れていることが示された。

関連論文リスト

• Point-Supervised Skeleton-Based Human Action Segmentation [23.335246964537223]
  骨格に基づくアクションセグメンテーションのための点教師付きフレームワークを導入し,アクションセグメンテーション毎に1フレームのみをラベル付けする。 我々は, 関節, 骨, 運動情報を含むマルチモーダルスケルトンデータを利用して, 事前訓練された統一モデルを用いて符号化し, リッチな特徴表現を抽出する。 提案手法は,完全教師付き手法を超越した競争性能を実現する。
  論文  参考訳（メタデータ） (2026-03-06T12:14:50Z)
• MS-CLR: Multi-Skeleton Contrastive Learning for Human Action Recognition [49.91188543847175]
  Multi-Skeleton Contrastive Learning (MS-CLR)は、同じシーケンスから抽出された複数のスケルトン規則間でポーズ表現を整列するフレームワークである。 MS-CLRは、強いシングルスケルトンコントラスト学習ベースラインよりも一貫してパフォーマンスを向上する。 マルチスケルトンアンサンブルはパフォーマンスをさらに向上させ、両方のデータセットに新たな最先端結果を設定する。
  論文  参考訳（メタデータ） (2025-08-20T17:58:03Z)
• Exploring Self-supervised Skeleton-based Action Recognition in Occluded Environments [40.322770236718775]
  我々は,オクルージョンを扱うためのシンプルで効果的な自己教師型学習フレームワークであるIosPSTLを提案する。 IosPSTLはクラスタに依存しないKNN命令とOccluded partial Spatio-Temporal Learning (OPSTL)戦略を組み合わせる。 OPSTLモジュールは適応空間マスキング (Adaptive Spatial Masking, ASM) を組み込んで、トレーニング中に無傷で高品質な骨格配列をうまく活用する。
  論文  参考訳（メタデータ） (2023-09-21T12:51:11Z)
• SkeleTR: Towrads Skeleton-based Action Recognition in the Wild [86.03082891242698]
  SkeleTRは骨格に基づく行動認識のための新しいフレームワークである。 まず、グラフ畳み込みによる各骨格配列の人体内骨格力学をモデル化する。 次に、スタック化されたTransformerエンコーダを使用して、一般的なシナリオにおけるアクション認識に重要な人物のインタラクションをキャプチャする。
  論文  参考訳（メタデータ） (2023-09-20T16:22:33Z)
• SkeletonMAE: Graph-based Masked Autoencoder for Skeleton Sequence Pre-training [110.55093254677638]
  我々はSkeleton Sequence Learning(SSL)という,効率的なスケルトンシーケンス学習フレームワークを提案する。 本論文では,SkeletonMAEという非対称なグラフベースのエンコーダデコーダ事前学習アーキテクチャを構築する。 我々のSSLは、さまざまなデータセットにまたがってうまく一般化し、最先端の自己教師型スケルトンベースのアクション認識手法よりも優れています。
  論文  参考訳（メタデータ） (2023-07-17T13:33:11Z)
• Self-supervised Action Representation Learning from Partial Spatio-Temporal Skeleton Sequences [29.376328807860993]
  本研究では,異なる骨格関節とビデオフレームの局所的関係を利用した部分的時空間学習(PSTL)フレームワークを提案する。 提案手法は, NTURGB+D 60, NTURGBMM+D 120, PKU-Dのダウンストリームタスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-17T17:35:05Z)
• Skeleton-based Action Recognition via Adaptive Cross-Form Learning [75.92422282666767]
  スケルトンをベースとした行動認識は、骨格配列をアクションカテゴリに投影することを目的としており、配列は事前に検出された複数の点から導出される。 既存の方法は、相補的なキューのために多形骨格を活用することでGCNを改善する傾向にある。 本稿では,適応型クロスフォーム学習(ACFL)を提案する。
  論文  参考訳（メタデータ） (2022-06-30T07:40:03Z)
• SimMC: Simple Masked Contrastive Learning of Skeleton Representations for Unsupervised Person Re-Identification [63.903237777588316]
  SimMC(Simple Masked Contrastive Learning)フレームワークを提案する。 具体的には、各骨格配列内の骨格の特徴を完全に活用するために、まずマスク付きプロトタイプコントラスト学習(MPC)方式を考案する。 そこで我々は,サブシーケンス間のシーケンス内パターンの整合性を捉えるために,マスク付きシーケンス内コントラスト学習(MIC)を提案する。
  論文  参考訳（メタデータ） (2022-04-21T00:19:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。