通过约束感知解码改进时序动作分割
计算机视觉与模式识别
2026-05-12 v1
摘要
时序动作分割（TAS）将未剪辑视频划分为带标签的动作片段。尽管全监督方法推动了该领域的发展，但动作变异性、模糊边界和高标注成本等挑战依然存在，尤其是在新领域或低资源领域。基于语法的方法利用结构先验改进了分割，但依赖于复杂的解析，限制了可扩展性。在这项工作中，我们提出了一个轻量级的、基于约束的精炼框架，通过整合统计结构先验（如转移置信度、动作边界集和每类持续时间）来增强 TAS 预测，这些先验可以直接从标注数据中提取。这些约束被集成到修改后的 Viterbi 解码算法中，允许在推理时进行精炼而无需重新训练或增加模型复杂度。我们的方法通过纠正结构预测错误同时保持高效率，改进了全监督和半监督 TAS 模型。代码可在 https://github.com/LUNAProject22/CAD 获取
关键词
引用
@article{arxiv.2605.10149,
title = {Improving Temporal Action Segmentation via Constraint-Aware Decoding},
author = {Yeo Keat Ee and Debaditya Roy and Chen Li and Hao Zhang and Basura Fernando},
journal= {arXiv preprint arXiv:2605.10149},
year = {2026}
}
备注
accepted to ICPR 2026