基于RBF核化特征映射RNN的动作预测
计算机视觉与模式识别
2021-07-13 v3
摘要
我们引入一种基于循环神经网络（RNN）的用于未来视频特征生成与动作预测的新算法，称为特征映射 RNN。我们的新型 RNN 架构建立在机器学习的三个有效原则之上，即参数共享、径向基函数（RBF）核和对抗训练。仅使用视频的最早若干帧，特征映射 RNN 就能以传统 RNN 所需参数的一小部分生成未来特征。通过将这些未来特征输入到一个由 RBF 核层辅助的简单多层感知机，我们能够准确预测视频中的动作。在我们的实验中，相较于先前最优的动作预测方法，我们在 JHMDB-21 数据集上获得 18% 的提升，在 UCF101-24 上获得 6%，在 UT-Interaction 数据集上获得 13% 的提升。
引用
@article{arxiv.1911.07806,
title = {Action Anticipation with RBF Kernelized Feature Mapping RNN},
author = {Yuge Shi and Basura Fernando and Richard Hartley},
journal= {arXiv preprint arXiv:1911.07806},
year = {2021}
}
备注
Accepted for publication in ECCV2018