一种高效的基于骨架的小样本时间动作分割框架
计算机视觉与模式识别
2022-07-21 v1
摘要
时间动作分割（TAS）旨在对长未裁剪动作序列中的动作进行分类与定位。随着深度学习的成功，许多用于动作分割的深度模型涌现。然而，小样本 TAS 仍是一个具有挑战性的问题。本研究提出了一种高效的基于骨架的小样本 TAS 框架，包括一种数据增强方法与一个改进模型。此处提出基于运动插值的数据增强方法以解决数据不足问题，并可通过合成动作序列显著增广样本数量。此外，我们将连接主义时序分类（CTC）层与为基于骨架的 TAS 设计的网络拼接以获得优化模型。利用 CTC 可增强预测与真值间的时间对齐，并进一步提升分割结果的段级指标。在公开与自建数据集（包括两个小规模数据集与一个大规模数据集）上的大量实验表明，所提两种方法在提升小样本基于骨架的 TAS 任务性能方面均有效。
引用
@article{arxiv.2207.09925,
title = {An Efficient Framework for Few-shot Skeleton-based Temporal Action Segmentation},
author = {Leiyang Xu and Qiang Wang and Xiaotian Lin and Lin Yuan},
journal= {arXiv preprint arXiv:2207.09925},
year = {2022}
}