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.

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
量子星尘发布了新的文献求助10
3秒前
隐形荟完成签到 ,获得积分10
4秒前
贝贝完成签到 ,获得积分10
4秒前
灵巧的长颈鹿完成签到,获得积分10
6秒前
6秒前
10秒前
小白完成签到 ,获得积分10
13秒前
zero桥完成签到,获得积分10
14秒前
稳重的千凝完成签到,获得积分10
18秒前
柴郡喵完成签到,获得积分10
21秒前
量子星尘发布了新的文献求助10
21秒前
平常的半莲完成签到 ,获得积分10
22秒前
24秒前
搜集达人应助陈秋采纳,获得10
29秒前
Sue完成签到 ,获得积分10
30秒前
拼搏的青雪完成签到 ,获得积分10
30秒前
pillow完成签到 ,获得积分10
43秒前
zhaimen完成签到 ,获得积分10
43秒前
回首不再是少年完成签到,获得积分0
45秒前
风趣朝雪完成签到,获得积分10
45秒前
亳亳完成签到 ,获得积分10
51秒前
kk完成签到,获得积分10
51秒前
ikouyo完成签到 ,获得积分10
53秒前
量子星尘发布了新的文献求助10
53秒前
56秒前
丝丢皮的完成签到 ,获得积分10
57秒前
吉吉完成签到,获得积分10
1分钟前
丝丢皮得完成签到 ,获得积分10
1分钟前
凡凡完成签到,获得积分10
1分钟前
顺利山柏完成签到 ,获得积分10
1分钟前
谢陈完成签到 ,获得积分10
1分钟前
1分钟前
陈秋发布了新的文献求助10
1分钟前
无心的天真完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
正直的松鼠完成签到 ,获得积分10
1分钟前
祈祈完成签到 ,获得积分10
1分钟前
语恒完成签到,获得积分10
1分钟前
MS903完成签到 ,获得积分10
1分钟前
淞淞于我完成签到 ,获得积分10
1分钟前
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
Encyclopedia of Reproduction Third Edition 3000
Comprehensive Methanol Science Production, Applications, and Emerging Technologies 2000
From Victimization to Aggression 1000
化妆品原料学 1000
小学科学课程与教学 500
Study and Interlaboratory Validation of Simultaneous LC-MS/MS Method for Food Allergens Using Model Processed Foods 500
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5645043
求助须知:如何正确求助?哪些是违规求助? 4767471
关于积分的说明 15026211
捐赠科研通 4803454
什么是DOI,文献DOI怎么找? 2568312
邀请新用户注册赠送积分活动 1525684
关于科研通互助平台的介绍 1485247