面向时序动作检测的无动作感知点级监督
计算机视觉与模式识别
2024-12-31 v1 人工智能
机器学习
摘要
我们提出一种用于时序动作检测的无动作感知点级(AAPL)监督，以实现对轻量注释数据集中动作实例的准确检测。在所提出方案中，以无监督方式抽取的少数视频帧呈现给人类标注者，后者随后以动作类别对这些帧进行标注。与点级监督不同，AAPL监督无需标注者在未裁剪视频中搜索每个动作实例，标注帧由无人干预地选择。我们还提出一种检测模型和学习方法，有效利用AAPL标签。对多种数据集(THUMOS '14、FineAction、GTEA、BEOID和ActivityNet 1.3)进行大规模实验表明，所提出的方法在视频级和点级监督方面，以标注成本与检测性能之间的权衡为基准，与先前方法相当或更优。
引用
@article{arxiv.2412.21205,
title = {Action-Agnostic Point-Level Supervision for Temporal Action Detection},
author = {Shuhei M. Yoshida and Takashi Shibata and Makoto Terao and Takayuki Okatani and Masashi Sugiyama},
journal= {arXiv preprint arXiv:2412.21205},
year = {2024}
}
备注
AAAI-25. Technical appendices included. 15 pages, 3 figures, 11 tables