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]
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
大幅提高文件上传限制,最高150M (2024-4-1)

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
刚刚
2秒前
2秒前
笑笑完成签到,获得积分10
3秒前
3秒前
5秒前
快乐的香菇完成签到 ,获得积分10
5秒前
司马雨竹发布了新的文献求助10
5秒前
凡`发布了新的文献求助10
6秒前
JamesPei应助龙龙不卷采纳,获得10
6秒前
等待丹秋完成签到,获得积分10
6秒前
8秒前
憨先生发布了新的文献求助10
9秒前
10秒前
她说她叫柠檬完成签到,获得积分10
10秒前
英姑应助高翎溪采纳,获得10
11秒前
11秒前
xxxqqq发布了新的文献求助10
11秒前
曾经天德发布了新的文献求助20
14秒前
14秒前
呆呆发布了新的文献求助10
15秒前
16秒前
17秒前
憨先生完成签到,获得积分10
18秒前
ning发布了新的文献求助10
19秒前
又又应助彘shen采纳,获得10
19秒前
可爱的函函应助Ayuyu采纳,获得10
19秒前
MA发布了新的文献求助10
20秒前
21秒前
秦安完成签到,获得积分10
21秒前
21秒前
科研通AI2S应助aiming采纳,获得10
22秒前
22秒前
疯狂比利发布了新的文献求助10
22秒前
24秒前
25秒前
充电宝应助sunzhuxi采纳,获得10
26秒前
高翎溪发布了新的文献求助10
27秒前
科研通AI2S应助呆呆采纳,获得10
27秒前
28秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Saponins and sapogenins. IX. Saponins and sapogenins of Luffa aegyptica mill seeds (black variety) 500
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3260808
求助须知:如何正确求助?哪些是违规求助? 2901913
关于积分的说明 8318098
捐赠科研通 2571665
什么是DOI,文献DOI怎么找? 1397111
科研通“疑难数据库(出版商)”最低求助积分说明 653655
邀请新用户注册赠送积分活动 632178