运动视频中精确事件定位：解决长程依赖与类别不平衡问题
计算机视觉与模式识别
2025-03-04 v1
摘要
精确事件定位(PES)旨在从长篇未剪辑的视频中识别事件及其类别，尤其是在体育赛事场景中。PES的主要目标是在事件发生的瞬间精确检测该事件。现有方法主要依赖来自大型预训练网络的特征，而这可能并非理想选择。此外，这些方法忽略了数据中不平衡事件类别分布的问题，对在挑战性场景下的性能造成负面影响。本文证明，经过合理设计的网络可通过端到端训练超越当前最先进(SOTA)方法。特别地，我们提出了一个集成我们提出的自适应时空细化模块(ASTRM)并增强卷积时空特征提取器的网络，同时包含长程时序模块。ASTRM通过时空信息增强特征。同时，长程时序模块通过建模长程依赖帮助从数据中提取全局上下文。为解决类别不平衡问题，我们引入Soft Instance 对比损失(SOFTIC)，以促进特征紧凑性和类别间隔。广泛的实验表明，所提方法高效且在更具挑战性的情境下优于SOTA方法。
引用
@article{arxiv.2503.00147,
title = {Precise Event Spotting in Sports Videos: Solving Long-Range Dependency and Class Imbalance},
author = {Sanchayan Santra and Vishal Chudasama and Pankaj Wasnik and Vineeth N. Balasubramanian},
journal= {arXiv preprint arXiv:2503.00147},
year = {2025}
}
备注
Accepted at CVPR 2025