发现时空动作管
计算机视觉与模式识别
2018-11-30 v1
摘要
本文中，我们解决视频中时空动作检测这一具挑战性的问题。我们首先通过早融合与晚融合检测方案整合静态与运动学信息，开发了一种有效方法以定位帧级动作区域。为探索所检测动作区域间的重要时间关联，我们提出一种基于点匹配的跟踪算法，将离散动作区域缝合成连续的时空动作管。使用循环 3D 卷积神经网络预测动作类别并确定生成管的时间边界。随后我们引入动作足迹图，基于 R3DCNN 卷积层中保留的动作特定空间特征来精炼候选管。在大量实验中，我们的方法在三个公开基准数据集 UCFSports、J-HMDB 与 UCF101 上取得了优越的检测结果。
引用
@article{arxiv.1811.12248,
title = {Discovering Spatio-Temporal Action Tubes},
author = {Yuancheng Ye and Xiaodong Yang and Yingli Tian},
journal= {arXiv preprint arXiv:1811.12248},
year = {2018}
}