NVIDIA-UNIBZ关于EPIC-KITCHENS-100动作预期挑战赛2022的提交
计算机视觉与模式识别
2022-06-23 v1
摘要
在本报告中，我们描述了我们为EPIC-Kitchen-100动作预期挑战赛所提交方案的技术细节。我们的建模方法，即高阶循环时空Transformer与带边学习的消息传递神经网络，均为基于循环的架构，仅观测2.5秒推理上下文以形成动作预期预测。通过对采用我们提出的训练流程编译的一组模型的预测分数取平均，我们在测试集上取得了强劲性能，总体平均top-5召回率达19.61%，在公开排行榜上位列第二。
引用
@article{arxiv.2206.10869,
title = {NVIDIA-UNIBZ Submission for EPIC-KITCHENS-100 Action Anticipation Challenge 2022},
author = {Tsung-Ming Tai and Oswald Lanz and Giuseppe Fiameni and Yi-Kwan Wong and Sze-Sen Poon and Cheng-Kuang Lee and Ka-Chun Cheung and Simon See},
journal= {arXiv preprint arXiv:2206.10869},
year = {2022}
}