AAN：面向时序动作检测的属性感知网络
计算机视觉与模式识别
2023-09-06 v1
摘要
长视频理解的挑战仍受限于为下游任务高效提取对象语义及其关系建模。尽管 CLIP 视觉特征在各种视觉任务（尤其是对象编码）中表现出判别性，但其在长视频理解上并非最优。为解决此问题，我们提出属性感知网络（Attributes-Aware Network，AAN），其包含两个关键组件：属性提取器与图推理块。这些组件有助于提取以对象为中心的属性并建模视频中对象间的关系。通过利用 CLIP 特征，AAN 在两个流行的动作检测数据集 Charades 和 Toyota Smarthome Untrimmed 上优于当前最优（SOTA）方法。
引用
@article{arxiv.2309.00696,
title = {AAN: Attributes-Aware Network for Temporal Action Detection},
author = {Rui Dai and Srijan Das and Michael S. Ryoo and Francois Bremond},
journal= {arXiv preprint arXiv:2309.00696},
year = {2023}
}