面向时序动作检测的边界离散化与可靠分类网络
计算机视觉与模式识别
2024-06-10 v4
摘要
时序动作检测旨在识别未剪辑视频中的动作类别并确定每个动作实例的起止时间。混合方法通过无缝融合基于锚点与无锚点方法取得了显著性能。然而，混合框架内仍存在两个关键问题：（1）暴力融合与手工锚点设计阻碍了混合方法的巨大潜力与实用性。（2）类内预测存在大量假阳性。本文提出一种新颖的边界离散化与可靠分类网络（BDRC-Net），通过引入边界离散化与可靠分类模块解决上述问题。具体而言，边界离散化模块（BDM）以边界离散化的形式优雅地融合基于锚点与无锚点方法，消除了传统手工锚点设计的需求。此外，可靠分类模块（RCM）预测可靠的全局动作类别以减少假阳性。在不同基准上的大量实验表明，我们所提方法取得了具有竞争力的检测性能。代码将于 https://github.com/zhenyingfang/BDRC-Net 发布。
引用
@article{arxiv.2310.06403,
title = {Boundary Discretization and Reliable Classification Network for Temporal Action Detection},
author = {Zhenying Fang and Jun Yu and Richang Hong},
journal= {arXiv preprint arXiv:2310.06403},
year = {2024}
}
备注
12 pages, Source code: https://github.com/zhenyingfang/BDRC-Net