基于深度学习的时空动作检测综述
计算机视觉与模式识别
2023-08-04 v1
摘要
时空动作检测（STAD）旨在对视频中出现的动作进行分类，并在空间和时间上对其定位。由于自动驾驶、视觉监控、娱乐等现实应用的大量涌现，它已成为计算机视觉中特别活跃的研究领域。近年来，许多工作致力于构建鲁棒且有效的 STAD 框架。本文对基于深度学习的 STAD 前沿方法进行了全面综述。首先，我们建立了一个分类体系来组织这些方法。接着，回顾了旨在将帧级或片段级检测结果关联以形成动作管道的关联算法。然后，介绍了常用基准数据集与评估指标，并比较了前沿模型的性能。最后，本文进行总结，并讨论了一组 STAD 的潜在研究方向。
引用
@article{arxiv.2308.01618,
title = {A Survey on Deep Learning-based Spatio-temporal Action Detection},
author = {Peng Wang and Fanwei Zeng and Yuntao Qian},
journal= {arXiv preprint arXiv:2308.01618},
year = {2023}
}