2023年12月15日,，我校“善思講壇”中青年學(xué)術(shù)講座于36棟201教室成功舉辦,。本次講座邀請(qǐng)到了吳志澤博士,，他以“基于局部和全局自注意力增強(qiáng)圖卷積網(wǎng)絡(luò)的3D骨架識(shí)別行為”為主題，展開(kāi)一場(chǎng)生動(dòng)的講座,。

吳志澤博士的研究領(lǐng)域主要集中在計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)驅(qū)動(dòng)的圖像處理與理解,。在本次講座中,，他詳細(xì)介紹了圖卷積網(wǎng)絡(luò)（Graph Convolutional Networks，GCN）和時(shí)間卷積網(wǎng)絡(luò)（Temporal Convolution Networks, TCN）在基于骨架的行為識(shí)別中的應(yīng)用,。

GCN和TCN的結(jié)合已經(jīng)成為基于骨架的行為識(shí)別的主流范式,，前者建模空間相關(guān)性,，后者提取運(yùn)動(dòng)特征,。然而，這種基于GCN-TCN的方法通常只依賴于局部圖卷積運(yùn)算,，這限制了它們處理遠(yuǎn)距離關(guān)節(jié)間的復(fù)雜相關(guān)性以及表示長(zhǎng)距離依賴關(guān)系的能力,。

為了解決這一問(wèn)題，吳志澤博士提出了一種新穎的局部-全局自注意力增強(qiáng)圖卷積網(wǎng)絡(luò),。這種網(wǎng)絡(luò)可以同時(shí)學(xué)習(xí)局部和全局表征,，并精確識(shí)別行為。對(duì)此,，他解釋道：“源自Transformer的自注意力在重要關(guān)節(jié)相關(guān)性建模方面顯示出巨大潛力,，但現(xiàn)有的基于Transformer的方法通常計(jì)算成本高昂，而且會(huì)完全忽略人體骨架的物理連接結(jié)構(gòu),。我們提出的局部-全局自注意力增強(qiáng)圖卷積網(wǎng)絡(luò)旨在解決這些問(wèn)題,。”

本次講座吸引了眾多師生參與,，現(xiàn)場(chǎng)氣氛熱烈,。許多參與者表示，通過(guò)這次講座,，他們對(duì)基于局部和全局自注意力增強(qiáng)圖卷積網(wǎng)絡(luò)的3D骨架識(shí)別行為有了更深入的了解,，并對(duì)未來(lái)的研究方向產(chǎn)生了濃厚的興趣。

“善思講壇”將繼續(xù)舉辦更多學(xué)術(shù)講座,，為我校師生提供一個(gè)交流學(xué)術(shù)成果,、探討前沿問(wèn)題的平臺(tái)。

(人工智能與大數(shù)據(jù)學(xué)院審稿：章云冉 撰稿：昂政宇 楊紫豪)