注册

研究对比18种网络架构，用骨骼关键点估计手势速度

论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇投稿于 arXiv 的论文对十类序列任务做了系统基准测试，覆盖循环、卷积、注意力与集合函数等十八种网络架构，并叠加多种预处理与目标变量变换，形成超过二百五十种实验配置。所有变体在固定随机种子、共享超参数与数据划分下训练测试。十项任务综合排名中，BiGRU、TCN、Conv1D 与 GRUReLU 四种架构表现稳定靠前，基准设置下参数量均低于两千，适合实时部署。作者随后用 BiGRU、TCN、GRUReLU 三种架构，从骨骼关键点序列估计动态手臂手势的执行速度，在八类交通相关手势、共 256710 帧的自建数据集上评估峰值计数、周期时间与平均尖峰间距三种速度解释。峰值计数解释下平均绝对误差 0.198，相对误差约 5%；周期时间约 4%；平均尖峰间距约 8%。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

基准测试怎么搭的

论文把序列建模问题拆成十类抽象任务，五类与顺序无关、五类依赖顺序，用来覆盖不同的时间模式识别需求。参与对比的网络来自循环、卷积、注意力以及集合函数四个家族，共十八种架构。作者没有只做架构与任务的网格，还加入了多种预处理方式和目标变量变换，最终形成二百五十种以上实验配置。为保证可比性，所有变体使用固定随机种子、共享超参数和相同的数据划分，训练与测试条件完全一致。这种设置让排名结果更多反映架构本身的差异，而不是调参带来的偶然优势。

哪几种架构排在前列

在十项任务的综合排名中，BiGRU、TCN、Conv1D 和 GRUReLU 四种架构表现持续靠前。论文特别指出，这四种模型在基准设置下都足够紧凑，参数量低于两千，具备实时部署的条件。这一点对机器人场景很关键：手势交互要求低延迟响应，模型体积和推理开销直接决定能否跑在机器人端。作者据此从排名靠前的模型中挑选了三种架构上差异较大的方案——BiGRU、TCN 与 GRUReLU，进入下一阶段的真实任务验证。

从骨骼点估计手势速度

实际任务是从骨骼关键点序列中估计动态手臂手势的执行速度。数据集为自建的八类交通相关手势，共 256710 帧，通过 OpenPose 采集。速度被拆成三种解释分别评估：峰值计数、周期时间以及平均尖峰间距。结果显示，峰值计数解释下平均绝对误差为 0.198，相对误差约 5%；周期时间解释的相对误差约 4%；平均尖峰间距解释约 8%。三种解释的误差水平说明，从骨骼数据估计手势速度是可行的，这为构建能感知速度的手势控制机器人系统提供了依据。

为什么值得看

给出了紧凑网络在实时机器人手势控制中的横向对比与速度估计误差数据，做手势交互与机器人控制的人可直接参考架构选择。

基准测试论文数据集

信源1 家

  1. [1]arXiv cs.AI一手信源Neural Networks for Temporal Pattern Recognition and Dynamic Arm Gesture Speed Estimation for Robot Control

关键事实

  • 基准测试覆盖十类抽象序列任务，其中五类置换不变、五类依赖顺序[1]

  • 评估了循环、卷积、注意力与集合函数等十八种网络架构，实验配置超过二百五十种[1]

  • BiGRU、TCN、Conv1D、GRUReLU 在十项任务排名中稳定靠前，基准设置下参数量低于两千[1]

  • 速度估计数据集包含八类交通相关手势、共 256710 帧，经 OpenPose 采集[1]

  • 峰值计数解释下平均绝对误差 0.198，相对误差约 5%，周期时间约 4%，平均尖峰间距约 8%[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论