关于编码时间演化以实现实时动作预测
计算机视觉与模式识别
2018-02-09 v3
摘要
预测未来动作是智能的一个关键组成部分，特别是在应用于机器人或自动驾驶汽车等实时系统时。虽然最近的工作致力于预测原始 RGB 像素值，但我们专注于预测未来视频帧中的运动演化。为此，我们通过总结一系列未来帧中的移动像素来构建动态图像 (DIs)。我们训练卷积 LSTM 基于无监督学习过程预测下一个 DIs，然后识别与预测的 DI 相关的活动。我们在 3 个基准动作数据集上展示了我们方法的有效性，表明尽管在处理具有复杂活动的视频时，我们的方法仍能够以高精度预测下一个人类动作，并获得优于 SOTA 方法的结果。
引用
@article{arxiv.1709.07894,
title = {On Encoding Temporal Evolution for Real-time Action Prediction},
author = {Fahimeh Rezazadegan and Sareh Shirazi and Mahsa Baktashmotlagh and Larry S. Davis},
journal= {arXiv preprint arXiv:1709.07894},
year = {2018}
}
备注
Submitted Version