解耦静态与动态信息以降低动作识别中的静态偏差
计算机视觉与模式识别
2025-09-30 v1
摘要
动作识别模型过度依赖静态线索而非动态人体运动，这被称为静态偏差。这种偏差导致模型在实际应用和零样本动作识别中表现不佳。本文提出了一种通过将时序动态信息与静态场景信息分离来降低静态偏差的方法。我们的方法在有偏和无偏支路之间使用统计独立性损失，并结合场景预测损失。实验表明，该方法能有效降低静态偏差，并证实了场景预测损失的重要性。
引用
@article{arxiv.2509.23009,
title = {Disentangling Static and Dynamic Information for Reducing Static Bias in Action Recognition},
author = {Masato Kobayashi and Ning Ding and Toru Tamaki},
journal= {arXiv preprint arXiv:2509.23009},
year = {2025}
}
备注
in Proc. of ICCV2025 Workshop and Challenge on Disentangled Representation Learning for Controllable Generation (DRL4Real)