骨骼异常感知姿态估计模型

跨域伪标签更准

通过骨骼异常学习区分同错样本对，生成的伪标签假阳性更低。

Han, Le · Chen, Kaixuan · 赵磊 · Yangbo, Jiang · 王朋飞 · Zheng, Nenggan

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

同错样本也能区分

通过图对比学习获取骨骼异常感知知识，使模型能识别骨架结构层面的细微差异，从而避免将同样错误的预测误判为正确。

隐式特征对齐

骨骼异常反馈驱动的域自适应框架无需显式域判别器即可对齐目标域特征，简化了训练流程并提升跨域泛化。

应用场景

• 动物行为分析：直接在无标注视频上估计姿态，减少逐帧人工标注成本。
• 机器人视觉：提升机器人对动物动作的理解，辅助人机交互与仿生控制。
• 智能监控：在监控场景中自动识别动物异常行为或入侵事件。
• 医疗康复评估：用于动物模型的运动功能评估，辅助康复治疗研究。