論文の概要: DiMoP: Diffusion-Driven Motion Representation Learning With Frame-Level Pseudo-Classification for Skeleton-Based Action Recognition

• arxiv url: http://arxiv.org/abs/2609.35444v1
• Date: Mon, 28 Sep 2026 15:41:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 05:20:25.019092
• Title: DiMoP: Diffusion-Driven Motion Representation Learning With Frame-Level Pseudo-Classification for Skeleton-Based Action Recognition
• Title（参考訳）: DiMoP: 骨格に基づく行動認識のためのフレームレベル擬似分類を用いた拡散駆動型運動表現学習
• Abstract要約: 本稿では,フレームレベルの擬似分類を用いたマスキングおよび拡散駆動型動作表現学習法であるDiMoPを紹介する。 プログレッシブノイズでマスクされた関節を拡散し、可視関節に条件付きでノイズを除去することで、DiMoPは制御可能なノイズ発生およびノイズ発生過程を通じて学習する。
• 参考スコア（独自算出の注目度）: 3.9404633051748594
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robust skeleton-based action recognition requires representations that capture a wide spectrum of motions, from subtle to moderate and strong ones. Existing methods often focus on strong motions. This paper introduces DiMoP, a masking- and diffusion-driven motion representation learning method with frame-level pseudo-classification to explicitly learn the distribution of joint motions rather than regressing deterministic coordinates, as existing methods often do. By diffusing masked joints with progressive noise and denoising them conditioned on visible joints, DiMoP learns through controllable noising and denoising processes, enabling uniform learning of weak, moderate, and strong dynamics. To enable the masking-based generative diffusion learning with a discriminative capability, a pseudo-frame classifier is proposed that enforces the learning towards sequence-consistent and temporally coherent pseudo-labels without manual annotations. Together, these strategies provide a principled mechanism for joint generative and discriminative motion modeling. DiMoP achieves state-of-the-art performance across NTU RGB+D 60/120, and PKUMMD, including a 1.1 percentage point gain over prior works on NTU RGB+D 120 with the cross-subject protocol.
• Abstract（参考訳）: ロバスト骨格に基づく行動認識は、微妙な動きから中程度の動きまで幅広い動きを捉える表現を必要とする。 既存の手法は、しばしば強い動きに焦点を当てる。 本稿では,従来の方法のように決定論的座標を回帰するのではなく,手動の分布を明示的に学習する,フレームレベルの擬似分類付きマスキングおよび拡散駆動型動作表現学習法であるDiMoPを紹介する。 プログレッシブノイズでマスクされた関節を拡散し、可視関節に条件付きでノイズを除去することで、DiMoPは制御可能なノイズ発生および雑音発生過程を通じて学習し、弱く中等度で強いダイナミクスの均一な学習を可能にする。 識別能力を有するマスキングに基づく生成拡散学習を実現するために,手動のアノテーションを使わずに,シーケンス一貫性と時間整合性を有する擬似ラベルへの学習を強制する擬似フレーム分類器を提案する。 これらの戦略は、共同生成および識別運動モデリングのための原則的なメカニズムを提供する。 DiMoP は NTU RGB+D 60/120 と PKUMMD にまたがる最先端の性能を達成しており、NTU RGB+D 120 の以前の作業よりも1.1ポイント向上している。

関連論文リスト

• Towards Arbitrary Motion Completing via Hierarchical Continuous Representation [64.6525112550758]
  Inlicit Representations(INR)に基づくNAMEと呼ばれる新しいパラメトリックアクティベーションによる階層的暗黙表現フレームワークを提案する。 本手法では,複数の時間スケールで動作列から特徴を抽出し,複雑な時間パターンを効果的に捕捉する階層的時間符号化機構を提案する。
  論文  参考訳（メタデータ） (2025-12-24T14:07:04Z)
• Skeleton-Snippet Contrastive Learning with Multiscale Feature Fusion for Action Localization [8.574131591092138]
  我々は,自己教師付き事前学習のためのスニペット識別用プレテキストタスクを開発した。 また、U字型モジュールで中間特徴を融合させることにより、骨格に基づく行動認識モデルの強力なバックボーンを構築した。 BABEL上でのアクションローカライゼーションにおいて,既存の骨格に基づくコントラスト学習手法を一貫して改良する。
  論文  参考訳（メタデータ） (2025-12-18T13:15:52Z)
• DynaPURLS: Dynamic Refinement of Part-aware Representations for Skeleton-based Zero-Shot Action Recognition [51.80782323686666]
  textbfDynaPURLSは、堅牢でマルチスケールなビジュアル・セマンティック対応を確立する統一的なフレームワークである。 我々のフレームワークは、グローバルな動きと局所的な身体部分のダイナミクスの両方を含む階層的なテキスト記述を生成するために、大きな言語モデルを活用する。 NTU RGB+D 60/120とPKU-MMDを含む3つの大規模ベンチマークデータセットの実験は、DynaPURLSが先行技術よりも大幅に優れていることを示した。
  論文  参考訳（メタデータ） (2025-12-12T10:39:10Z)
• Towards Efficient General Feature Prediction in Masked Skeleton Modeling [59.46799426434277]
  マスクスケルトンモデリングのための新しい汎用特徴予測フレームワーク(GFP)を提案する。 我々の重要な革新は、局所的な動きパターンからグローバルな意味表現にまたがる、従来の低レベルな再構築を高レベルな特徴予測に置き換えることです。
  論文  参考訳（メタデータ） (2025-09-03T18:05:02Z)
• Spatio-Temporal Joint Density Driven Learning for Skeleton-Based Action Recognition [4.891381363264954]
  本稿では,空間時空間関節密度(STJD)と呼ばれる新しい計測手法を提案する。 作用を通してこの密度の進化を追跡することは、識別的移動および/または静的関節の部分集合を効果的に特定することができる。 STJD-CLと呼ばれる新しい対照的な学習戦略が提案され、骨格配列の表現をその素関節の表現と整合させる。
  論文  参考訳（メタデータ） (2025-05-29T02:40:47Z)
• An Information Compensation Framework for Zero-Shot Skeleton-based Action Recognition [49.45660055499103]
  ゼロショットの人間の骨格に基づく行動認識は、トレーニング中に見られるカテゴリ外の行動を認識するモデルを構築することを目的としている。 従来の研究では、シーケンスの視覚的空間分布と意味的空間分布の整合性に焦点が当てられていた。 強固で頑健な表現を得るために,新たな損失関数サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T06:53:01Z)
• 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)
• SpatioTemporal Focus for Skeleton-based Action Recognition [66.8571926307011]
  グラフ畳み込みネットワーク(GCN)は骨格に基づく行動認識において広く採用されている。 近年提案されている骨格に基づく行動認識法の性能は以下の要因によって制限されていると論じる。 近年の注目機構に着想を得て,アクション関連関係情報を取得するためのマルチグラインド・コンテキスト集中モジュール MCF を提案する。
  論文  参考訳（メタデータ） (2022-03-31T02:45:24Z)
• Hierarchical Contrastive Motion Learning for Video Action Recognition [100.9807616796383]
  本稿では,映像フレームから効果的な動き表現を抽出する自己教師型学習フレームワークである階層型コントラスト学習を提案する。 提案手法は,ネットワーク内の異なる抽象レベルに対応する動作特徴の階層構造を段階的に学習する。 私たちのモーション学習モジュールは軽量で柔軟性があり、様々なバックボーンネットワークに組み込むことができます。
  論文  参考訳（メタデータ） (2020-07-20T17:59:22Z)

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。