面向通用行为分析的通用动作空间
计算机视觉与模式识别
2026-02-11 v1
摘要
分析动物和人类行为长期以来是计算机视觉中的一个具有挑战性的任务。从1970年代到1990年代的早期方法依赖手工制作的边缘检测、分割和低级特征，如颜色、形状和纹理，以定位对象并推断其身份——这本质上是一个难以置信的问题。该时期的行为分析通常通过跟踪识别出的对象在时间中的轨迹并使用稀疏特征点来建模其运动，从而进一步限制了鲁棒性和泛化能力。随着Deng和Li于2010年引入ImageNet，出现了重大转折，使通过深度神经网络实现大规模视觉识别成为可能，有效地作为一个综合性的视觉词典。这一发展使对象识别得以摆脱复杂的低级处理，朝向学习的高级表征发展。本文遵循这一范式，构建一个大规模通用动作空间（UAS），并使用现有的标记人类动作数据集。我们随后以该UAS为基础，用于分析和分类哺乳动物和黑猩猩行为数据集。源代码已发布于GitHub，链接为https://github.com/franktpmvu/Universal-Action-Space。
引用
@article{arxiv.2602.09518,
title = {A Universal Action Space for General Behavior Analysis},
author = {Hung-Shuo Chang and Yue-Cheng Yang and Yu-Hsi Chen and Wei-Hsin Chen and Chien-Yao Wang and James C. Liao and Chien-Chang Chen and Hen-Hsen Huang and Hong-Yuan Mark Liao},
journal= {arXiv preprint arXiv:2602.09518},
year = {2026}
}