用于人群分组检测的自监督社会关系表示

人群分组检测将人群划分为若干组，是基于视频的人类社交活动分析的重要步骤。其关键在于人类社会关系表示与划分。本文提出一种用于人群分组检测的新型两阶段多头框架。第一阶段，我们提出一个人类行为模拟头以学习社会关系特征嵌入，其利用基于社会性的多人行为关系进行自监督训练。第二阶段，基于社会关系嵌入，我们开发了受自注意力启发的网络用于人群分组检测。在两个当前最先进的大规模基准（即PANDA和JRDB-Group）上的优异性能验证了所提框架的有效性。得益于自监督社会关系嵌入，我们的方法仅需极少量（带标签）训练数据即可提供有前景的结果。我们将公开源代码。