读书笔记：Dynamic GCN: Context-enriched Topology Learning for Skeleton-based Action Recognition

Dynamic GCN：基于骨架的动作识别的上下文丰富的拓扑学习

code：暂时未公开

摘要：

图卷积网络（GCN）对基于骨骼的动作识别任务越来越感兴趣。关键在于图形结构的设计，该结构对骨架拓扑信息进行编码。在本文中，我们提出了动态GCN，其中引入了一种称为上下文编码网络（CeN）的新型卷积神经网络来自动学习骨架拓扑。特别是，当学习两个关节之间的依存关系时，其余关节的上下文特征将以全局方式合并。 CeN效果比较好并且网络比较小，可以嵌入到图形卷积层中。通过堆叠多个启用CeN的图卷积层，我们构建了Dynamic GCN。值得注意的是，作为CeN的一项优点，可为不同的输入样本以及不同深度的图形卷积层构建动态图形拓扑。此外，对三种可选的上下文建模架构进行了很好的探索，它们可以作为未来图拓扑学习研究的方向。 CeN仅为基线模型带来约7％的额外FLOP，而Dynamic GCN则比现有方法具有更好的性能，且FLOP减少了2倍至4倍。通过进一步结合静态的身体连接和运动方式（相邻帧做差），我们可以达到最佳状态NTU-RGB + D，NTU-RGB + D 120和Skeleton-Kinetics这三个大型基准的很好的性能。

这篇论文是HCN基础上提出的，CeN结构是HCN是很类似，利用CNN去提取全局特征。对于全局特征的提取，CNN还是比GCN有优势的。这篇论文有一个特别新颖的点就是CeN会在GCN的每一层都学习一个动态的、唯一的邻接矩阵。

才刚开始看，做一下记录，希望作者能公开代码。。。