活动进度预测是否有进展？
计算机视觉与模式识别
2023-08-11 v1
摘要
活动进度预测旨在估计一项活动已完成的比例。目前这是通过机器学习方法实现的，并在复杂且真实的视频数据集上训练和评估。这些数据集中的视频在时长和外观上差异极大。而且某些活动存在意料之外的发展，使得活动进度的估计十分困难。在本工作中，我们考察了现有进度预测方法在这些数据集上获得的结果。我们发现当前的进度预测方法似乎并未提取出对进度预测任务有用的视觉信息。因此，这些方法未能超越简单的帧计数基线。我们设计了一个精确可控的活动进度预测数据集，并在该合成数据集上表明，当视觉信息直接与进度预测相关时，所考察的方法能够利用这些信息。我们得出结论：在 currently used 的真实世界数据集上，进度预测任务是病态的。此外，为了公平地度量活动进度，我们建议考虑一个简单但有效的帧计数基线。
引用
@article{arxiv.2308.05533,
title = {Is there progress in activity progress prediction?},
author = {Frans de Boer and Jan C. van Gemert and Jouke Dijkstra and Silvia L. Pintea},
journal= {arXiv preprint arXiv:2308.05533},
year = {2023}
}
备注
Accepted at ICCVw-2023 (AI for Creative Video Editing and Understanding, ICCV workshop 2023)