用于弱监督时序活动定位的对抗背景感知损失
计算机视觉与模式识别
2020-07-15 v1
摘要
近年来，在未裁剪视频中时序定位活动已得到广泛研究。尽管取得了近期进展，现有的弱监督时序活动定位方法难以识别活动未发生的时间。为解决此问题，我们提出了一种名为 A2CL-PT 的新方法。我们的方法考虑了特征空间中的两个三元组：一个三元组用于学习每个活动类的判别性特征，另一个用于区分每个视频中无活动发生的特征（即背景特征）与活动相关特征。为了进一步提升性能，我们使用两个以对抗方式运行的并行分支构建网络：第一个分支定位视频中最显著的活动，第二个分支从视频未定位的部分中发现其他补充活动。在 THUMOS14 和 ActivityNet 数据集上进行的广泛实验表明我们提出的方法是有效的。具体而言，THUMOS14 数据集上 IoU 阈值从 0.1 到 0.9 的平均 mAP 从 27.9% 显著提高到 30.0%。
引用
@article{arxiv.2007.06643,
title = {Adversarial Background-Aware Loss for Weakly-supervised Temporal Activity Localization},
author = {Kyle Min and Jason J. Corso},
journal= {arXiv preprint arXiv:2007.06643},
year = {2020}
}
备注
ECCV 2020 camera ready (Supplementary material: on ECVA soon)