NeuralNetwork-Viterbi：一种弱监督视频学习框架
计算机视觉与模式识别
2018-05-18 v1
摘要
视频学习是计算机视觉中的一项重要任务，近年来受到越来越多的关注。由于即使是少量的视频也轻易包含数百万帧，不依赖于帧级标注的方法尤为重要。在这项工作中，我们提出了一种新颖的基于 Viterbi 损失的学习算法，该算法允许对弱标注视频数据进行在线和增量学习。此外，我们表明显式的上下文和长度建模可带来视频分割与标注任务的巨大提升，并将这些模型纳入我们的框架中。在多个动作分割基准上，我们相比当前最先进（SOTA）方法获得了高达 10% 的提升。
引用
@article{arxiv.1805.06875,
title = {NeuralNetwork-Viterbi: A Framework for Weakly Supervised Video Learning},
author = {Alexander Richard and Hilde Kuehne and Ahsan Iqbal and Juergen Gall},
journal= {arXiv preprint arXiv:1805.06875},
year = {2018}
}
备注
CVPR 2018