IndGIC：低光照下的监督式动作识别
计算机视觉与模式识别
2023-08-30 v1
摘要
随着在监控、运动控制与人机交互中的巨大需求，黑暗中人体动作识别技术正受到越来越多的关注。然而，由于图像增强方法的局限以及低光照视频数据集（如标注成本）的限制，现有方法面临一些问题。一些基于视频的方法在特定数据集上有效且高效，却无法泛化至大多数情况；而另一些使用多传感器的方法严重依赖先验知识来处理视频流中的噪声本质。本文提出一种使用深度多输入网络动作识别方法。此外，我们提出一种独立伽马强度校正（Ind-GIC）来增强低光照视频，为每帧生成一个伽马值以提升增强性能。为证明方法有效，我们进行了所提方法与现有方法的评估与比较。实验结果表明，我们的模型在 ARID 数据集上取得了高准确率。
引用
@article{arxiv.2308.15345,
title = {IndGIC: Supervised Action Recognition under Low Illumination},
author = {Jingbo Zeng},
journal= {arXiv preprint arXiv:2308.15345},
year = {2023}
}