BROWSE
Detail
Conference Paper
부위별 대조 학습 기반 스켈레톤 혼합 증강을 이용한 불균형 행동 인식
Cited - time in 
Share 
Share
- Authors
- 김진우, 이준구, 이종택
- Issue Date
- 2026-06
- Citation
- 한국통신학회 종합 학술 발표회 (하계) 2026, pp.226-227
- Publisher
- 한국통신학회
- Language
- Korean
- Type
- Conference Paper
- Abstract
- 본 논문에서는 데이터 불균형 환경에서의 스켈레톤 기반 행동 인식을 위한 부위별 contrastive learning 기반 혼합 증강 기법을 제안한다. 실제 행동 데이터에서 발생하는 불균형 문제를 해결하기 위하여 스켈레톤 혼합 기반 증강 기법이 주로 연구되었다. 이러한 기존 증강 기법은 혼합된 샘플이 두 클래스 사이의 의미적 중간 표현을 형성한다고 가정하고 소프트 라벨 기반 학습을 수행한다. 그러나 이는 실제 혼합된 스켈레톤의 의미적 표현을 충분히 반영하지 못한다는 한계가 존재한다. 이를 해결하기 위해 본 연구에서는 스켈레톤을 상체와 하체로 분리하여 혼합 증강을 수행하고, 각 신체 부위에 대한 메모리 뱅크를 구축하여 부위별 contrastive learning을 적용한다. 또한 혼합된 샘플에 대해서도 원래 신체 부위가 속한 클래스 prototype과 정렬되도록 추가적인 contrastive loss를 적용하여 혼합 스켈레톤의 의미적 일관성을 유지하도록 학습한다. 또한, NTU60-LT 데이터셋을 이용한 실험 결과로 제안 방법이 기존 방법 대비 Overall 및 Few 구간에서 향상된 성능을 보여주었다.