可微视频文法
计算机视觉与模式识别
2020-02-18 v2 机器学习
摘要
本文提出一种新颖的算法，从真实世界的连续数据（如视频）中学习形式正则文法。直接从连续数据中学习潜在终结符、非终结符和产生式规则，使得构建一个捕捉具有多种可能性的序列结构的生成模型成为可能。我们的模型完全可微，并提供易于解释的结果，这对于理解所学结构十分重要。它在几个具有挑战性的数据集上优于当前最优（state-of-the-art）方法，并且在视频未来活动预测方面更为准确。我们计划开源代码。https://sites.google.com/view/differentiable-grammars
引用
@article{arxiv.1902.00505,
title = {Differentiable Grammars for Videos},
author = {AJ Piergiovanni and Anelia Angelova and Michael S. Ryoo},
journal= {arXiv preprint arXiv:1902.00505},
year = {2020}
}