借鉴邻人：通过协同印证改进人类活动识别
计算机视觉与模式识别
2023-06-12 v1 人机交互
机器学习
信号处理
摘要
仅通过个体数据理解人类活动的复杂性颇具挑战。然而在许多情境中，周围个体很可能正在进行相似活动，而现有人类活动识别方法几乎只关注个体测量，很大程度上忽略了活动语境。考虑两种活动：参加小组会议与在办公桌前工作。仅从个体视角，很难区分这些活动，因为它们可能极为相似，尽管实则迥异。然而，通过观察附近他人，或可区分此类活动。本文中，我们提出一种通过融入周围个体的见解来提升个体活动预测准确率的方法。我们收集了来自 20 名参与者的真实世界数据集，含超 58 小时数据，包括听课、开会、办公室工作及共同用餐等活动。与孤立观察单个人相比，我们提出的方法显著提升了准确率。我们将此工作视为协同活动识别的第一步，为理解群体情境下人类活动开辟了新可能。
引用
@article{arxiv.2306.06078,
title = {Cheating off your neighbors: Improving activity recognition through corroboration},
author = {Haoxiang Yu and Jingyi An and Evan King and Edison Thomaz and Christine Julien},
journal= {arXiv preprint arXiv:2306.06078},
year = {2023}
}