Dual-stream cross-modality fusion transformer for RGB-D action recognition

计算机科学 RGB颜色模型 变压器 人工智能 动作识别 模态(人机交互) 模式识别(心理学) 融合 计算机视觉 电压 电气工程 语言学 工程类 哲学 班级(哲学)
作者
Zhen Liu,Jun Cheng,Libo Liu,Ziliang Ren,Qieshi Zhang,Chengqun Song
出处
期刊:Knowledge Based Systems [Elsevier BV]
卷期号:255: 109741-109741 被引量:21
标识
DOI:10.1016/j.knosys.2022.109741
摘要

RGB-D-based action recognition can achieve accurate and robust performance due to rich complementary information, and thus has many application scenarios. However, existing works combine multiple modalities by late fusion or learn multimodal representation with simple feature-level fusion methods, which fail to effectively utilize complementary semantic information and model interactions between unimodal features. In this paper, we design a self-attention-based modal enhancement module (MEM) and a cross-attention-based modal interaction module (MIM) to enhance and fuse RGB and depth features. Moreover, a novel bottleneck excitation feed-forward block (BEF) is proposed to enhance the expression ability of the model with few extra parameters and computational overhead. By integrating these two modules with BEFs, one basic fusion layer of the cross-modality fusion transformer is obtained. We apply the transformer on top of the dual-stream convolutional neural networks (ConvNets) to build a dual-stream cross-modality fusion transformer (DSCMT) for RGB-D action recognition. Extensive experiments on the NTU RGB+D 120, PKU-MMD, and THU-READ datasets verify the effectiveness and superiority of the DSCMT. Furthermore, our DSCMT can still make considerable improvements when changing convolutional backbones or when applied to different multimodal combinations, indicating its universality and scalability. The code is available at https://github.com/liuzwin98/DSCMT.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Gaotingting发布了新的文献求助10
刚刚
超超发布了新的文献求助10
刚刚
dongua完成签到,获得积分10
刚刚
1秒前
2秒前
2秒前
2秒前
如意的尔冬完成签到,获得积分20
2秒前
熙梓日记完成签到,获得积分10
3秒前
3秒前
Timing完成签到,获得积分10
3秒前
3秒前
ainan发布了新的文献求助10
4秒前
烟花应助唐僧洗发用飘柔采纳,获得10
5秒前
lalala完成签到,获得积分10
5秒前
就晚安喽完成签到,获得积分10
5秒前
nuomici发布了新的文献求助10
5秒前
上官若男应助jin采纳,获得100
5秒前
大个应助弱水采纳,获得10
5秒前
5秒前
容荣发布了新的文献求助10
6秒前
量子星尘发布了新的文献求助10
6秒前
6秒前
sjk123完成签到,获得积分10
6秒前
脑洞疼应助科研通管家采纳,获得10
7秒前
ccm应助科研通管家采纳,获得10
7秒前
传奇3应助科研通管家采纳,获得10
7秒前
情怀应助科研通管家采纳,获得10
7秒前
chuiza应助科研通管家采纳,获得10
7秒前
今后应助科研通管家采纳,获得10
7秒前
CipherSage应助科研通管家采纳,获得10
7秒前
李健应助科研通管家采纳,获得10
7秒前
8秒前
慕青应助科研通管家采纳,获得10
8秒前
完美世界应助科研通管家采纳,获得10
8秒前
浮游应助科研通管家采纳,获得10
8秒前
Akim应助科研通管家采纳,获得10
8秒前
圆锥香蕉举报潇洒的灵竹求助涉嫌违规
8秒前
李爱国应助科研通管家采纳,获得10
8秒前
隐形曼青应助科研通管家采纳,获得10
8秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
计划经济时代的工厂管理与工人状况(1949-1966)——以郑州市国营工厂为例 500
INQUIRY-BASED PEDAGOGY TO SUPPORT STEM LEARNING AND 21ST CENTURY SKILLS: PREPARING NEW TEACHERS TO IMPLEMENT PROJECT AND PROBLEM-BASED LEARNING 500
The Pedagogical Leadership in the Early Years (PLEY) Quality Rating Scale 410
Modern Britain, 1750 to the Present (第2版) 300
Writing to the Rhythm of Labor Cultural Politics of the Chinese Revolution, 1942–1976 300
Lightning Wires: The Telegraph and China's Technological Modernization, 1860-1890 250
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 催化作用 遗传学 冶金 电极 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 4603085
求助须知:如何正确求助?哪些是违规求助? 4012051
关于积分的说明 12421341
捐赠科研通 3692397
什么是DOI,文献DOI怎么找? 2035573
邀请新用户注册赠送积分活动 1068806
科研通“疑难数据库(出版商)”最低求助积分说明 953277