CLOT：基于闭环最优传输的无监督动作分割
计算机视觉与模式识别
2025-08-08 v2
摘要
无监督动作分割最近通过ASOT方法取得了突破，ASOT是一种基于最优传输（OT）的方法，同时学习动作表征并使用伪标签进行聚类。与其他OT方法不同，ASOT不对动作排序做出假设，并且可以从帧与动作标签之间的噪声成本矩阵中解码出具有时序一致性的分割。然而，所得分割缺乏分段级别的监督，限制了帧与动作表征之间反馈的有效性。为此，我们提出了闭环最优传输（CLOT），一个具有多级循环特征学习机制的新型OT框架。利用其编码器-解码器架构，CLOT通过解决两个独立的OT问题来学习伪标签以及帧和分段嵌入。它随后通过在所学习的帧嵌入和分段嵌入之间进行交叉注意力来细化帧嵌入和伪标签，通过集成第三个OT问题来实现。在四个基准数据集上的实验结果表明，循环学习对无监督动作分割具有益处。
引用
@article{arxiv.2507.03539,
title = {CLOT: Closed Loop Optimal Transport for Unsupervised Action Segmentation},
author = {Elena Bueno-Benito and Mariella Dimiccoli},
journal= {arXiv preprint arXiv:2507.03539},
year = {2025}
}
备注
Accepted to ICCV2025