用于集合监督动作分割的锚约束维特比算法
计算机视觉与模式识别
2021-04-07 v1
摘要
本文研究训练弱监督下的动作分割问题，其中真值仅提供存在的动作集合，而不提供其在训练视频中的时间顺序或发生时刻。我们使用基于多层感知机（MLP）的隐马尔可夫模型（HMM）来标注视频帧，从而生成用于后续伪监督训练的伪真值。在测试中，对训练中所见动作集合进行蒙特卡洛采样以生成候选动作时间序列，并选择最大后验序列。我们的关键贡献是一种用于生成伪真值的新型锚约束维特比算法（ACV），其中锚是从给定真值集合为每个动作估计出的显著动作部分。我们在Breakfast、MPII Cooking2、Hollywood Extended基准数据集上的动作分割与对齐任务上的评估表明，相对于已有工作我们具有更优性能。
引用
@article{arxiv.2104.02113,
title = {Anchor-Constrained Viterbi for Set-Supervised Action Segmentation},
author = {Jun Li and Sinisa Todorovic},
journal= {arXiv preprint arXiv:2104.02113},
year = {2021}
}
备注
CVPR 2021