SADA：用于时序动作定位的语义对抗无监督域自适应
计算机视觉与模式识别
2025-02-25 v4
摘要
时序动作定位（TAL）是一项复杂的任务，带来了相关挑战，尤其是在实际应用中尝试泛化到新的、未见过的域时。这些场景尽管贴近现实，但在文献中常被忽视，使得这些解决方案面临严重的性能退化。在本工作中，我们通过首次引入一种用于稀疏 TAL 的无监督域自适应（UDA）方法来解决这一问题，我们将其称为语义对抗无监督域自适应（SADA）。我们的贡献有三个方面：(1) 我们开创性地开发了一个在现实稀疏动作检测基准上运行的域自适应模型；(2) 我们通过引入一种对局部类别分布敏感的新型对抗损失，解决了全局分布对齐技术的局限性，确保了更细粒度的自适应；(3) 我们提出了一组基于 EpicKitchens100 和 CharadesEgo 的新基准，以全面评估多种域偏移。我们的实验表明，与全监督的最先进方法和替代 UDA 方法相比，SADA 改善了跨域自适应能力，实现了高达 6.14% mAP 的性能提升。
引用
@article{arxiv.2312.13377,
title = {SADA: Semantic adversarial unsupervised domain adaptation for Temporal Action Localization},
author = {David Pujol-Perich and Albert Clapés and Sergio Escalera},
journal= {arXiv preprint arXiv:2312.13377},
year = {2025}
}
备注
Accepted to WACV 2025