View Adaptive Neural Networks for High Performance Skeleton-based Human Action Recognition

给每一帧（每一个序列）生成一个最佳的相机位置

   

预处理：

帧级别预处理会丢失信息

序列级预处理对所有帧执行与第一帧相同的操作，对于初始位置和朝向不敏感。定义的身体平面有可能不是很合适。

   

每一种级别都有两种操作，平移和旋转。

   

输入默认的预处理是序列级平移，将坐标原点放在第一帧的中心节点上。

   

   

坐标转换

   

   

   

上面是逆时针方向

   

VA-CNN

节点映射成图片

   

   

这里发现回归序列级别的参数更好，因为比起帧级别增加了泛化性。且容易保持一个序列的一致性。

   

   

数据增强中采用视角变换（旋转xyz轴）

   

实验结果：

序列级比帧级效果好

cnn比rnn效果好10个点

即便是普通的平移预处理，cnn baseline也能到达87.5

   

视角变换模块对于一些类有副作用