如何对 3D fractals 进行高质量采样，以用于动作识别预训练？
计算机视觉与模式识别
2026-02-13 v1 机器学习
摘要
合成数据集正在被认可为深入标注真实数据之外的有价值替代方案。其中一种合成数据生成方法是公式驱动的监督学习（FDSL），它可以通过公式驱动方法（如 fractals 或轮廓）提供无数完美标注的数据。FDSL 不具有常见的缺点，如人工劳动、隐私和其他伦理问题。在本工作中，我们使用 3D 迭代函数系统（IFS）生成 3D fractals，用于为动作识别模型进行预训练。这些 fractals 被时序变换以形成视频，用作动作识别下游任务的预训练数据集。我们发现，标准的 fractals 生成方法速度慢且产生退化的 3D fractals。因此，我们系统性地探索了生成 fractals 的替代方法，发现过于严格的方法虽然生成审美观好的 fractals，但对下游任务性能不利。我们提出了一种新方法，即有针对性的智能过滤（Targeted Smart Filtering），以解决生成速度和 fractals 多样性问题。该方法报告大约快 100 倍的采样速度，并在其他 3D fractal 过滤方法中实现卓越的下游性能。
引用
@article{arxiv.2602.11810,
title = {How to Sample High Quality 3D Fractals for Action Recognition Pre-Training?},
author = {Marko Putak and Thomas B. Moeslund and Joakim Bruslund Haurum},
journal= {arXiv preprint arXiv:2602.11810},
year = {2026}
}
备注
12 pages, 6 figures. To be published in VISAPP