动作图：基于图卷积网络的弱监督动作定位
计算机视觉与模式识别
2020-02-05 v1
摘要
我们提出了一种基于图卷积的弱监督动作定位方法。为找到并分类对应于相关动作类的视频时间段，系统必须既能识别每段视频中的判别性时间段，又能识别每个动作的完整范围。利用弱视频级标签实现这一点，需要系统利用训练数据中跨视频时刻之间的相似性与差异性，来理解动作如何呈现，以及构成动作完整范围的子动作。然而，现有方法并未显式利用视频时刻间的相似性来指导定位与分类预测。我们提出了一种新方法，使用图卷积显式建模视频时刻间的相似性。我们的方法利用编码外观与运动的相似性图，并在 THUMOS '14、ActivityNet 1.2 和 Charades 的弱监督动作定位上推进了当前最优水平。
引用
@article{arxiv.2002.01449,
title = {Action Graphs: Weakly-supervised Action Localization with Graph Convolution Networks},
author = {Maheen Rashid and Hedvig Kjellström and Yong Jae Lee},
journal= {arXiv preprint arXiv:2002.01449},
year = {2020}
}
备注
Accepted at WACV 2020