RefineLoc：用于弱监督动作定位的迭代精炼方法
计算机视觉与模式识别
2020-11-10 v3
摘要
视频动作检测器通常使用具有全监督时间标注的数据集进行训练。构建此类数据集是一项昂贵的工作。为缓解该问题，近期方法尝试利用弱标注，即视频未经裁剪且仅有视频级标签可用。本文提出 RefineLoc，一种新颖的弱监督时间动作定位方法。RefineLoc 采用迭代精炼策略，在每次迭代中估计片段级伪真值并以其进行训练。我们展示了该迭代方法的优势，并对五种不同的伪真值生成器进行了详尽分析。我们在两个标准动作数据集 ActivityNet v1.2 和 THUMOS14 上验证了模型的有效性。RefineLoc 在弱监督时间定位上取得了与当前最优方法相竞争的结果。此外，我们的迭代精炼过程能够显著提升两种当前最优方法的性能，在 THUMOS14 上确立了新的 state-of-the-art。
引用
@article{arxiv.1904.00227,
title = {RefineLoc: Iterative Refinement for Weakly-Supervised Action Localization},
author = {Alejandro Pardo and Humam Alwassel and Fabian Caba Heilbron and Ali Thabet and Bernard Ghanem},
journal= {arXiv preprint arXiv:1904.00227},
year = {2020}
}
备注
Accepted to WACV 2021. Project website: http://humamalwassel.com/publication/refineloc