用于时序动作定位的边界感知提案生成方法
计算机视觉与模式识别
2023-09-26 v1
摘要
时序动作定位（TAL）的目标是在未修剪视频中找出动作的类别和时间边界。大多数 TAL 方法严重依赖于对动作标签而非时间边界敏感的动作识别模型。更重要的是，很少有工作考虑那些在像素上与动作帧相似但在语义上不同的背景帧，这也导致了不准确的时间边界。为应对上述挑战，我们提出了一种带对比学习的边界感知提案生成（BAPG）方法。具体而言，我们将上述背景帧定义为难负样本。引入带难负样本挖掘的对比学习以提升 BAPG 的判别力。BAPG 独立于现有 TAL 网络架构，因此可作为即插即用的模块应用于主流 TAL 模型。在 THUMOS14 和 ActivityNet-1.3 上的大量实验结果表明，BAPG 能显著提升 TAL 性能。
引用
@article{arxiv.2309.13810,
title = {Boundary-Aware Proposal Generation Method for Temporal Action Localization},
author = {Hao Zhang and Chunyan Feng and Jiahui Yang and Zheng Li and Caili Guo},
journal= {arXiv preprint arXiv:2309.13810},
year = {2023}
}