将动作视为移动点
计算机视觉与模式识别
2020-08-25 v3
摘要
现有的动作管检测器通常依赖于启发式锚框设计与放置，这在计算上可能代价高昂且对精确定位而言并非最优。本文提出一个概念简单、计算高效且更精确的动作管检测框架，称为移动中心检测器（MOC-detector），将动作实例视为移动点的轨迹。基于运动信息可简化并辅助动作管检测这一洞见，我们的 MOC-detector 由三个关键头部分支组成：(1) 中心分支用于实例中心检测与动作识别，(2) 运动分支用于相邻帧间的运动估计以形成移动点轨迹，(3) 框分支用于通过在每个估计中心直接回归边界框尺寸来进行空间范围检测。这三个分支协同生成管检测结果，并可通过匹配策略进一步连接以产生视频级管。我们的 MOC-detector 在 JHMDB 和 UCF101-24 数据集上针对帧级 mAP 和视频级 mAP 两项指标均优于现有最先进方法。对于更高的视频 IoU，性能差距更为明显，表明我们的 MOC-detector 对更精确的动作检测尤其有效。我们在 https://github.com/MCG-NJU/MOC-Detector 提供了代码。
引用
@article{arxiv.2001.04608,
title = {Actions as Moving Points},
author = {Yixuan Li and Zixu Wang and Limin Wang and Gangshan Wu},
journal= {arXiv preprint arXiv:2001.04608},
year = {2020}
}
备注
ECCV2020 camera ready version