基于 LSTM-CRF 的人-物交互细粒度事件学习
计算机视觉与模式识别
2017-10-03 v1 人工智能
摘要
事件学习是人工智能中最重要的问题之一。然而，尽管已投入大量研究精力，它仍是一项非常复杂的任务，尤其是当事件涉及人类或智能体与其他物体的交互时，因为这需要对人体运动学和物体运动进行建模。本研究提出了一种用于学习复杂人-物交互（HOI）事件的方法，涵盖事件交互的记录、标注与分类。在标注方面，我们通过对运动捕捉的时间跨度进行切片，允许对运动捕捉进行多种解释；在分类方面，我们使用长短期记忆（LSTM）序列模型结合条件随机场（CRF）对输出进行约束。使用以三维输入形式捕捉人-物交互的设置，我们认为该方法可用于涉及复杂时空动力学的事件类型。
引用
@article{arxiv.1710.00262,
title = {Fine-grained Event Learning of Human-Object Interaction with LSTM-CRF},
author = {Tuan Do and James Pustejovsky},
journal= {arXiv preprint arXiv:1710.00262},
year = {2017}
}
备注
European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN 2017)