多焦点视频群体活动哈希
计算机视觉与模式识别
2025-12-30 v3 人工智能
摘要
随着视频数据在各种复杂场景中的爆发式增长，快速检索群体活动已成为迫切的难题。然而，许多任务只能检索整个视频的焦点，而无法达到活动粒度。为解决此问题，本文首次提出一种新的STVH（时空交错视频哈希）技术。通过统一框架，STVH同时建模单个物体的动态行为和群体相互作用，捕捉群体视觉特征和位置特征的时空演化。此外，在实际视频检索场景中，有时需要活动特征，而有时需要物体的视觉特征。我们进一步提出一种新的多焦点时空视频哈希（M-STVH）作为增强版，以处理此类困难任务。该先进方法通过多焦点表征学习集成层次特征，使模型能够同时关注活动语义特征和物体视觉特征。我们在公开可用的数据集上进行了比较实验，STVH和M-STVH均能取得优异的效果。
引用
@article{arxiv.2509.00490,
title = {Multi-Focused Video Group Activities Hashing},
author = {Zhongmiao Qi and Yan Jiang and Bolin Zhang and Chong Wang and Lijun Guo and Pengjiang Qian and Jiangbo Qian},
journal= {arXiv preprint arXiv:2509.00490},
year = {2025}
}