提出神经符号图Transformer做层次意图识别

Farnaz Soleimani 等（LISSI）在 arXiv 提交论文（arXiv:2610.18176v1），提出神经符号图Transformer（NSGT），用于从多模态人体活动序列中识别原子动作、复合活动、低层意图和高层意图的层次意图识别。方法将 Human Reasoning Graph（HR-G）通过可学习拓扑偏置集成到自注意力机制中，并结合可微一阶逻辑损失。 评测在合成数据集 NTU-Hierarchy 上进行，该数据集是 NTU RGB+D 120 的四层本体扩展。论文称在基础配置下 NSGT 达到 91.65% 的 top-1 动作识别准确率。目前为论文摘要阶段的结果，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。