A²M²-Net：用于少样本动作识别的自适应对齐多尺度矩网络
计算机视觉与模式识别
2025-09-23 v1 人工智能
摘要
由于能够减轻大规模标注的成本，少样本动作识别（FSAR）近年来引起了研究者的广泛关注。现有的FSAR方法通常忽视个体运动模式在比较中的作用，并且对视频动态的特征统计探索不足。因此，它们难以处理视频动态中的挑战性时间错位问题，特别是在使用2D骨干网络时。为克服这些限制，本工作提出了一种自适应对齐多尺度二阶矩网络，即A²M²-Net，以一组强大的表示候选来描述潜在视频动态，并以实例引导的方式自适应地对齐它们。为此，A²M²-Net包含两个核心组件，即用于匹配的自适应对齐（A²模块）和用于强表示的多尺度二阶矩（M²模块）。具体而言，M²模块在多个时空尺度上开发了一组语义二阶描述符。此外，A²模块旨在在考虑个体运动模式的同时自适应地选择信息丰富的候选描述符。通过这种方式，A²M²-Net能够通过为强表示建立自适应对齐协议来处理具有挑战性的时间错位问题。值得注意的是，所提出的方法在各种少样本设置和多样化指标上泛化良好。在五个广泛使用的FSAR基准上进行的实验表明，A²M²-Net取得了与最先进方法相比极具竞争力的性能，证明了其有效性和泛化能力。
引用
@article{arxiv.2509.17638,
title = {A$^2$M$^2$-Net: Adaptively Aligned Multi-Scale Moment for Few-Shot Action Recognition},
author = {Zilin Gao and Qilong Wang and Bingbing Zhang and Qinghua Hu and Peihua Li},
journal= {arXiv preprint arXiv:2509.17638},
year = {2025}
}
备注
27 pages, 13 figures, 7 tables