动态图增强卷积网络

骨架动作识别SOTA

针对现有方法在建模骨架序列时空依赖时容易引入冗余连接或噪声的问题，提出一种新的大核图卷积网络，通过动态调整感受野和边特征更新策略，在保持模型轻量化的同时显著提升识别精度。

Li, Xing · Zhaoyu, Chen · Ge, Gao · Qi, Liang · 业巧林 · Zhao, Maocheng

Information Fusion 2026

参数信息

准确率

97.1 %

准确率

96.8 %

准确率

91.1 %

准确率

89.9 %

参数量

0.77 M

FLOPs

1.42 G

推理速度

64.3 FPS

技术优势

动作建模更细粒度

通过生成受激超点在高层解析有序运动链，实现对身体部位结构的细粒度感知。

时空语义解耦

多阶段时序子动作解析模块分离不同时间感知域的语义，防止信息碎片化与模糊。

轻量且快速

参数仅 0.77M、FLOPs 1.42G，推理速度达 64.3 FPS，适合部署。

应用场景

• 机器人动作识别：帮助机器人实时理解人体动作，提升人机协作安全性。
• 人机交互：支持在智能交互设备中快速响应手势和动作指令。
• 可穿戴健康监测：可在边缘设备上高效识别日常活动，辅助健康监测。
• 具身智能感知：为具身智能体提供轻量、准确的动作感知模块。