通过灵巧聚焦改善自我中心视频中的关键步骤识别
计算机视觉与模式识别
2025-06-03 v1
摘要
在本文中，我们探讨了从自我中心视角理解人类活动的挑战。由于在许多活动中头部的高度动态特性，传统的活动识别技术在自我中心视频中面临独特的挑战。我们提出了一个框架，通过将自我中心视频输入限制为稳定的、以手部为中心的视频，以一种独立于网络架构的方式来解决这些挑战。我们证明，在 Ego-Exo4D 细粒度关键步骤识别基准上，仅凭这种简单的视频转换就优于现有的自我中心视频基线，而无需对底层模型基础设施进行任何更改。
引用
@article{arxiv.2506.00827,
title = {Improving Keystep Recognition in Ego-Video via Dexterous Focus},
author = {Zachary Chavis and Stephen J. Guy and Hyun Soo Park},
journal= {arXiv preprint arXiv:2506.00827},
year = {2025}
}