Tag · 2 篇
分层表示学习
分布 自动驾驶与遥感1人脸与人体理解1
01 02
TopoHR：面向驾驶场景循环拓扑推理的分层中心线表示与点-实例关系
TopoHR: Hierarchical Centerline Representation for Cyclic Topology Reasoning in Driving Scenes with Point-to-Instance Relations
TopoHR 提出分层中心线表示（点查询、实例查询、语义表示）与分层拓扑推理模块，在统一架构中同时建模点-实例（P2I）和实例-实例（I2I）关系，并让中心线检测与拓扑推理形成循环增强。对做自动驾驶感知的研究者，这套 P2I 关系建模和端到端循环交互设计可直接迁移到车道线拓扑、路网结构理解等任务。
动作基元：人体运动的自监督分层表示
Action Motifs: Self-Supervised Hierarchical Representation of Human Body Movements
把 3D 人体姿态序列切成变长片段、每段压成一个潜变量词元，再用掩码词元预测自监督地学出可复用的动作基元（Action Motifs），这种分层潜变量 Transformer 可直接迁移到动作识别、运动预测与运动插值的表征预训练中。