EPIC-KITCHENS-100 无监督域适应动作识别挑战赛 2022：HNU-FPV 团队技术报告
计算机视觉与模式识别
2022-07-08 v1
摘要
在本报告中，我们介绍了提交至 2022 年 EPIC-Kitchens 无监督域适应 (UDA) 挑战赛的技术细节。现有的 UDA 方法对齐从整个视频片段中提取的源域和目标域全局特征，但在视频识别中受到特征匹配空间冗余的影响。基于在大多数情况下，每个视频帧中的一个小图像区域就足以提供动作识别任务所需信息的观察，我们提出利用信息性图像区域来执行高效的域对齐。具体来说，我们首先使用轻量级 CNN 提取输入双流视频帧的全局信息，并通过基于可微插值的选择策略选择信息性图像块。然后，来自视频帧的全局信息和来自图像块的局部信息由一个现有的视频适应方法（即 TA3N）处理，以执行源域和目标域的特征对齐。我们的方法（无模型集成）在 EPIC-KITCHENS-100 测试集上于今年参赛团队中排名第 4。
引用
@article{arxiv.2207.03095,
title = {EPIC-KITCHENS-100 Unsupervised Domain Adaptation Challenge for Action Recognition 2022: Team HNU-FPV Technical Report},
author = {Nie Lin and Minjie Cai},
journal= {arXiv preprint arXiv:2207.03095},
year = {2022}
}
备注
Technical report for CVPR 2022 EPIC-Ego4D Workshop (EPIC Challenge)