少样本动作识别综合综述

少样本动作识别旨在解决动作识别中手动标注复杂且变化的视频数据的高成本和不切实际问题。它要求仅使用每个类别的少数几个标记示例就准确地对视频中的人类动作进行分类。与图像场景下的少样本学习相比，少样本动作识别更具挑战性，因为视频数据的内在复杂性。诸多方法推动了少样本动作识别取得了显著进展，这凸显了需要综合综述的必要性。不同于早期聚焦于少样本图像或文本分类的综述，我们深入考虑了少样本动作识别的独特挑战。本综述提供了近期方法的全面回顾，并提出一种新颖且系统的现有方法分类框架，伴随详细分析。我们将方法分为生成式方法和元学习框架，进一步详述元学习框架内的方法，涵盖视频实例表征、类别原型学习和通用视频对齐等方面。此外，本综述呈现了常用基准测试并讨论了相关前沿话题和有前景的未来方向。我们希望本综述能为研究人员提供宝贵资源，为新人提供必要指导，并为经验丰富的研究人员带来新的启发。