ST-GCN 论文原文和解读的 pdf。
传统的⻣骼建模⽅法通常依赖于⼿⼯制作的部件或遍历规则，从⽽导致表达能⼒有限和泛化困难，针对特定应⽤设计的模型很难推⼴到其他应⽤。
在这项⼯作中，作者提出了⼀种新的动态⻣架模型，称为时空图卷积⽹络(ST-GCN)，它通过⾃动从数据中学习空间和时间模式，超越了以前⽅法的限制。这种提法不仅具有更强的表达能⼒，⽽且具有更强的泛化能⼒。
这项⼯作的主要贡献在于三个⽅⾯：
- 提出了 ST-GCN，这是⼀种基于图的动态⻣骼建模通⽤公式，这是第⼀个将基于图的神经⽹络应⽤于该任务。
- 针对⻣架建模的具体要求，提出了 ST-GCN 中卷积核的设计原则。
- 在基于⻣骼的动作识别的两个⼤规模数据集上，与之前使⽤⼿⼯制作部件或遍历规则的⽅法相⽐，所提出的模型获得了更好的性能，在⼿⼯设计⽅⾯的⼯作量⼤⼤减少。
- ST-GCN 的代码和模型是公开的。
