ST-GCN论文解析及原文分享

简介：
本文深入解析了ST-GCN（空间-时间图卷积网络）的相关论文，并分享了原始文献。帮助读者更好地理解该模型在时空数据处理上的应用与创新。 ST-GCN 论文的解读指出，传统的骨骼建模方法通常依赖于手工制作的部件或遍历规则，这导致其表达能力有限且难以泛化到其他应用中。为解决这一问题，作者提出了一种新的动态骨架模型——时空图卷积网络（ST-GCN），它能够自动从数据中学习空间和时间模式，并超越了传统方法的限制。 这项工作的主要贡献包括以下三个方面： - 提出了 ST-GCN，这是一种基于图的通用动态骨骼建模公式。这是首次将基于图的神经网络应用于这一任务。 - 针对骨骼建模的具体需求，在ST-GCN中设计了一套卷积核的设计原则。 - 在两个大规模的动作识别数据集上进行实验后发现，与使用手工制作部件或遍历规则的传统方法相比，所提出的模型表现更佳，并且减少了大量的人工工作量。 此外，作者还公开了 ST-GCN 的代码和模型。