Abstract
В данной работе предлагается новая архитектура нейронной сети для задачи распознавания человеческих действий на основе скелетных данных – Двухпотоковый Скелетный Трансформер. В качестве решения предлагается архитектура, в которой один поток (пространственный) специализируется на извлечении структурных паттернов с использованием топологически-ориентированного механизма внимания, а второй поток (временной) фокусируется исключительно на кинематике и динамике движений, обрабатывая производные координат (скорости и ускорения). Предложенный механизм перекрестного слияния позволяет эффективно объединять эти модальности, достигая высокой точности на стандартных наборах данных