OTAS：面向以对象为中心的时间动作分割的无监督边界检测
计算机视觉与模式识别
2023-09-13 v1
摘要
时间动作分割通常通过发现全局视觉描述符中的显著变化来实现。本文中，我们探究局部特征的优势，提出以对象为中心的时间动作分割（OTAS）无监督框架。广义而言，OTAS 由自监督全局与局部特征提取模块，以及融合特征并检测显著边界用于动作分割的边界选择模块组成。作为第二项贡献，我们讨论了现有帧级与边界级评估指标的优劣。通过大量实验，我们发现就我们推荐的 F1 分数而言，OTAS 平均优于先前最优方法 。令人惊讶的是，OTAS 在用户研究中甚至优于真实人工标注。此外，OTAS 效率足够高，可支持实时推理。
引用
@article{arxiv.2309.06276,
title = {OTAS: Unsupervised Boundary Detection for Object-Centric Temporal Action Segmentation},
author = {Yuerong Li and Zhengrong Xue and Huazhe Xu},
journal= {arXiv preprint arXiv:2309.06276},
year = {2023}
}
备注
Accepted to WACV 2024