摘要

我们提出了一种模块，用于扩展图卷积网络（GCN）的时间图结构，以实现基于骨骼序列的动作识别。现有方法致力于在帧内（intra-frame）构建更为合理的空间图，却忽视了帧间（inter-frame）时间图的优化。具体而言，这些方法仅在不同帧中对应同一关节的节点之间建立连接。在本工作中，我们关注于在帧间引入与邻近多个节点的连接，并基于扩展后的时间图提取额外特征。该模块是一种简单而有效的方法，能够捕捉人体运动中多个关节之间的相关性特征。此外，该模块可与仅优化空间图的其他GCN方法结合，进一步提升整体性能。我们在两个大规模数据集NTU RGB+D和Kinetics-Skeleton上进行了大量实验，结果表明，所提出的模块对多种现有模型均具有显著提升效果，且我们最终构建的模型达到了当前最先进的性能水平。