团队运动视频检索中的基于人类反馈的群体活动特征学习适配
计算机视觉与模式识别
2026-02-04 v1
摘要
本文提出了一种用于群体活动特征学习（GAFL）的人类反馈适配方法，无需群体活动注释。这种人类反馈适配被用于群体活动视频检索框架，以提高检索性能。我们的方法通过自监督方式基于群体活动相似性预训练 GAF 空间，不同于以前依赖将视频分类为预定义群体活动类的监督学习方法。我们的交互式微调过程更新 GAF 空间，以便用户能够更好地检索与查询视频相似的视频。在此微调中，我们提出的数据高效视频选择过程为用户提供几个视频，用户手动将这些视频标记为正面或负面。这些标记的视频用于更新（即微调）GAF 空间，使正面和负面视频通过对比学习分别靠近和远离查询视频。我们的全面实验结果在两个团队运动数据集上验证了该方法显著提高了检索性能。消融研究还表明，我们的人类反馈适配中的多个组件对检索性能的提升有贡献。代码：https://github.com/chihina/GAFL-FINE-CVIU
引用
@article{arxiv.2602.03157,
title = {Human-in-the-loop Adaptation in Group Activity Feature Learning for Team Sports Video Retrieval},
author = {Chihiro Nakatani and Hiroaki Kawashima and Norimichi Ukita},
journal= {arXiv preprint arXiv:2602.03157},
year = {2026}
}
备注
Accepted to Computer Vision and Image Understanding (CVIU)