ADM-Loc：用于点监督时序动作定位的激活性分布建模
计算机视觉与模式识别
2023-11-28 v1
摘要
本文解决了点监督时序动作检测中的挑战，其中训练集中每个动作实例仅标注一帧。自训练旨在通过从基础模型生成伪标签（动作提议）来为训练过程提供补充监督。然而，当前大多数方法通过对动作分类概率施加人工设计的阈值并将相邻片段视为独立实体来生成动作提议。因此，这些方法难以生成完整的动作提议，对动作分类分数的波动敏感，并生成冗余且重叠的动作提议。本文提出了一个称为 ADM-Loc 的新框架，即用于点监督动作定位的激活性分布建模（Actionness Distribution Modeling for point-supervised action Localization）。ADM-Loc 通过对动作分类信号拟合由高斯分布和均匀分布组成的复合分布来生成动作提议。该拟合过程针对视频中出现的每个动作类别定制，并对每个动作实例分别应用，以确保其分布的独特性。ADM-Loc 显著增强了生成的动作提议与真实动作实例之间的对齐，并为自训练提供高质量伪标签。此外，为对动作边界片段建模，其通过采用高斯核并利用所提出的损失函数进行监督，在训练期间强制动作分类分数的一致性。ADM-Loc 在 THUMOS14 和 ActivityNet-v1.2 数据集上优于最先进的点监督方法。
引用
@article{arxiv.2311.15916,
title = {ADM-Loc: Actionness Distribution Modeling for Point-supervised Temporal Action Localization},
author = {Elahe Vahdani and Yingli Tian},
journal= {arXiv preprint arXiv:2311.15916},
year = {2023}
}