利用动态时间规整学习判别性原型
计算机视觉与模式识别
2021-03-18 v1
摘要
动态时间规整 (DTW) 被广泛用于时序数据处理。然而，现有方法既不能学习不同类别的判别性原型，也无法利用此类原型进行进一步分析。我们提出判别性原型 DTW (DP-DTW)，一种用于时序识别任务的类特定判别性原型学习新方法。在时间序列分类基准上，DP-DTW 相比传统 DTW 表现出更优性能。结合端到端深度学习，DP-DTW 可处理具有挑战性的弱监督动作分割问题，并在标准基准上取得最先进结果。此外，所学习的动作原型支持对输入视频的详细推理。具体而言，可通过将输入序列与动作原型对齐来获得基于动作的视频摘要。
引用
@article{arxiv.2103.09458,
title = {Learning Discriminative Prototypes with Dynamic Time Warping},
author = {Xiaobin Chang and Frederick Tung and Greg Mori},
journal= {arXiv preprint arXiv:2103.09458},
year = {2021}
}
备注
CVPR'21 preview, 10 pages, 8 figures