面向动作识别的前提与效果推理
计算机视觉与模式识别
2022-11-15 v2
摘要
由于研究和应用的重要意义，人体动作识别近年来引起了广泛关注。现有多数动作识别工作集中于从视频中学习有效的时空特征，却忽视了前提、动作与效果之间强烈的因果关系。此类关系对动作识别的准确性同样至关重要。本文提出对基于前提与效果的因果关系进行建模，以提升动作识别性能。具体地，提出一种 Cycle-Reasoning 模型来捕捉用于动作识别的因果关系。为此，我们为一个大规模动作数据集标注了前提与效果。实验结果表明，所提出的 Cycle-Reasoning 模型能有效推理前提与效果，并可增强动作识别性能。
引用
@article{arxiv.2112.10057,
title = {Precondition and Effect Reasoning for Action Recognition},
author = {Yoo Hongsang and Li Haopeng and Ke Qiuhong and Liu Liangchen and Zhang Rui},
journal= {arXiv preprint arXiv:2112.10057},
year = {2022}
}
备注
The paper is under consideration at Computer Vision and Image Understanding