通过混合几何扩散学习动作层次结构
计算机视觉与模式识别
2026-01-06 v1
摘要
时间动作分割是视频理解中的关键任务，目标是为视频中的每个帧分配动作标签。虽然最近的进展利用迭代细化策略，但它们未能显式利用人类动作的层次结构。在本工作中，我们提出了 HybridTAS - 一个新框架，将欧几里得几何与双曲几何的混合引入扩散模型的去噪过程中，以利用动作的层次结构。双曲几何自然提供树状的嵌入关系，使我们能够以粗到细的方式引导动作标签的去噪过程：较高的扩散时间步长受抽象的高层次动作类别（根节点）的影响，而较低的时间步长则使用更细粒度的动作类别（叶节点）进行细化。在GTEA、50Salads和Breakfast三个基准数据集上的大量实验表明，我们的方法实现了最先进的性能，验证了双曲引导去噪在时间动作分割任务中的有效性。
引用
@article{arxiv.2601.01914,
title = {Learning Action Hierarchies via Hybrid Geometric Diffusion},
author = {Arjun Ramesh Kaushik and Nalini K. Ratha and Venu Govindaraju},
journal= {arXiv preprint arXiv:2601.01914},
year = {2026}
}
备注
Accepted at WACV-26