用于自动驾驶的统一骨架表示学习方法

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Unified skeleton representation learning for autonomous driving

　　

穆罕默德·阿卜杜勒法塔赫（Mohamed Abdelfattah）|亚历山大·阿拉希（Alexandre Alahi）

• •
  MotionMoCo 学习了通用的骨架表示方法，这些表示方法可以适应不同的下游任务。
• •
  MotionMoCo 通过分离空间和时间特征来学习统一的骨架表示方法。
• •
  一种基于动量的对比框架确保了时空嵌入的鲁棒性和可迁移性。
• •
  运动感知的帧掩蔽机制能够选择性地移除快速移动的帧，从而增强特征学习效果。
• •
  在动作识别、2D 到 3D 的转换以及人体网格重建等方面取得了有竞争力的结果。
• •
  无需特定于任务的注释或架构即可实现多任务泛化。