Depth2Action：探索嵌入式深度信息用于大规模动作识别
计算机视觉与模式识别
2016-08-16 v1
摘要
本文首次研究了视频中大规模人体动作识别的深度信息，其中深度线索由视频自身估计。我们开发了称为depth2action的新框架，并深入实验了如何最佳地整合深度信息。我们引入时空深度归一化（STDN）以在估计的深度序列中增强时间一致性。我们还提出改进的深度运动图（MDMM）以捕获深度中细微的时间变化。这两个组件显著提升了动作识别性能。我们在三个大规模动作识别视频基准上评估了depth2action框架。我们的模型在与表观和运动信息结合时达到了最先进的性能，从而证明depth2action确实与现有方法互补。
引用
@article{arxiv.1608.04339,
title = {Depth2Action: Exploring Embedded Depth for Large-Scale Action Recognition},
author = {Yi Zhu and Shawn Newsam},
journal= {arXiv preprint arXiv:1608.04339},
year = {2016}
}
备注
ECCVW 2016, Web-scale Vision and Social Media (VSM) workshop