Group-DINOmics：将人物动态融入 DINO 实现自监督群体活动特征学习
计算机视觉与模式识别
2026-04-07 v1
摘要
本文提出了一种无需群体活动标注的群体活动特征 (GAF) 学习方法。不同于先前方法使用低层静态局部特征来学习 GAF，本方法提出利用基于动态的、群体感知的预置任务，结合 DINO 提供的局部和全局特征，实现面向群体动态的 GAF 学习。为了适应 DINO 和 GAF 学习到局部动态和全局群体特征，我们的预置任务使用人员流估计和群体相关目标位置估计。人员流估计用于表示每个人的局部运动，这是理解群体活动的重要线索。相比之下，群体相关目标位置估计鼓励 GAF 学习场景背景（例如人物和目标的空间关系）作为全局特征。在公共数据集上进行全面的实验表明，我们的方法在群体活动检索和识别方面实现了最新的性能。我们的消融研究验证了方法各个组件的有效性。代码：https://github.com/tezuka0001/Group-DINOmics。
引用
@article{arxiv.2604.04467,
title = {Group-DINOmics: Incorporating People Dynamics into DINO for Self-supervised Group Activity Feature Learning},
author = {Ryuki Tezuka and Chihiro Nakatani and Norimichi Ukita},
journal= {arXiv preprint arXiv:2604.04467},
year = {2026}
}
备注
Accepted to CVPR2026 Findings