面向非故意动作预测的自监督学习
计算机视觉与模式识别
2022-09-27 v1
摘要
区分一个动作是按意图执行的还是意图动作失败了，是一项重要的技能，不仅人类具备，对于在人类环境中运行的智能系统也很重要。然而，由于缺少标注数据，识别一个动作是否非故意或预测一个动作是否会失败并不简单。虽然互联网上可大量找到非故意或失败动作的视频，但高昂的标注成本是学习这些任务网络的主要瓶颈。因此，本工作研究非故意动作预测的自监督表示学习问题。先前的工作基于局部时间邻域学习表示，我们则表明，要针对三个下游任务——非故意动作分类、定位与预测——学习良好的表示，需要视频的全局上下文。在补充材料中，我们展示了所学表示也可用于视频中的异常检测。
引用
@article{arxiv.2209.12074,
title = {Self-supervised Learning for Unintentional Action Prediction},
author = {Olga Zatsarynna and Yazan Abu Farha and Juergen Gall},
journal= {arXiv preprint arXiv:2209.12074},
year = {2022}
}
备注
Accepted to GCPR 2022