重新思考基于匹配的少样本动作识别
计算机视觉与模式识别
2023-03-29 v1
摘要
少样本动作识别，即在仅给定少量样本的情况下识别新动作类别，受益于时序信息的引入。先前工作要么将该信息编码于表征本身并在测试时学习分类器，要么获取帧级特征并进行成对时序匹配。我们首先使用来自时空骨干网络的特征评估若干基于匹配的方法（文献中缺失此类比较），结果表明简单基线与更复杂方法之间的性能差距显著缩小。受此启发，我们提出 Chamfer++，一种非时序匹配函数，在少样本动作识别中达到最先进结果。我们表明，当从时序特征出发时，我们这种无参数且可解释的方法在三个常用数据集上的一样本动作识别中，无需在匹配阶段使用时序信息即可优于所有其他基于匹配及基于分类器的方法。项目页面：https://jbertrand89.github.io/matching-based-fsar
引用
@article{arxiv.2303.16084,
title = {Rethinking matching-based few-shot action recognition},
author = {Juliette Bertrand and Yannis Kalantidis and Giorgos Tolias},
journal= {arXiv preprint arXiv:2303.16084},
year = {2023}
}
备注
Accepted at SCIA 2023