摘要

本文在重复动作计数领域做出了重要贡献，通过引入一种称为姿态显著性表示（Pose Saliency Representation）的新方法。该方法仅使用两个显著姿态而非冗余帧来高效表示每个动作，从而显著降低了计算成本并提高了性能。此外，我们提出了一种基于此表示的姿态级方法——PoseRAC，该方法利用姿态显著性注释（Pose Saliency Annotation）对训练数据中的显著姿态进行标注，在两个新版本的数据集上达到了最先进的性能。我们的轻量级模型具有极高的效率，仅需20分钟即可在GPU上完成训练，并且推理速度比以往的方法快近10倍。此外，我们的方法在OBO指标上取得了显著的改进，达到了0.56，而之前的最先进方法TransRAC仅为0.29。代码和新数据集已发布在https://github.com/MiracleDance/PoseRAC，供进一步研究和实验使用，使我们的提出的 方法对研究社区高度可访问。