CTRN：用于动作检测的类-时序关系网络
计算机视觉与模式识别
2022-07-12 v2 人工智能
摘要
动作检测是一项基础且具有挑战性的任务，尤其是对于未修剪视频的密集标注数据集。这些数据集中存在许多现实挑战，如复合动作、共现动作以及实例时长的高度时间变化。为应对这些挑战，我们提出探索已检测动作的类间与时序关系。本工作中，我们引入了一种端到端网络：类-时序关系网络（CTRN）。它包含三个关键组件：（1）表示变换模块从混合表示中过滤出类特定特征以构建图结构数据。（2）类-时序模块以顺序方式对类间和时序关系进行建模。（3）G分类器利用片段级共现动作对的特权知识，进一步提升共现动作检测。我们在三个具有挑战性的密集标注数据集上评估CTRN，取得了最先进的性能，反映了我们方法的有效性与鲁棒性。
引用
@article{arxiv.2110.13473,
title = {CTRN: Class-Temporal Relational Network for Action Detection},
author = {Rui Dai and Srijan Das and Francois Bremond},
journal= {arXiv preprint arXiv:2110.13473},
year = {2022}
}