基于类别特定注意力的视频动作检测：提高分类效果
计算机视觉与模式识别
2024-09-12 v4
摘要
视频动作检测(VAD)旨在检测视频中的演员并对其动作进行分类。我们发现VAD的主要困难在于分类而非演员位置定位。因此，我们分析了当先方法如何为分类形式特征，发现它们侧重于演员区域，却常常忽视准确分类所必需的关键上下文信息。基于此，我们提出减少对演员区域偏见的做法，鼓励关注与每种动作类别相关的上下文。通过为每个动作类别分配专用查询，Our model能够动态确定在何处关注，以实现有效的分类。该提议模型在三个具有挑战性的基准数据集上表现出优异性能，参数更少，计算量也更小。
引用
@article{arxiv.2407.19698,
title = {Classification Matters: Improving Video Action Detection with Class-Specific Attention},
author = {Jinsung Lee and Taeoh Kim and Inwoong Lee and Minho Shim and Dongyoon Wee and Minsu Cho and Suha Kwak},
journal= {arXiv preprint arXiv:2407.19698},
year = {2024}
}
备注
31 pages, accepted to ECCV 2024 (oral)