SFGANS：用于人体动作分割的自监督未来生成器
计算机视觉与模式识别
2024-01-02 v1
摘要
在长未剪辑视频中定位并分类动作片段的能力对许多应用（如自动驾驶汽车、机器人和医疗保健应用）具有特别的意义。如今，最流行的动作分割流程由将帧编码为特征向量组成，随后由时序模型处理这些向量以进行分割。在本文中，我们提出了一种自监督方法，该方法应用于标准流程的中间阶段，生成原始特征向量的精炼表示。实验表明，该方法提升了现有模型在动作分割不同子任务上的性能，即使无需额外的超参数调优也是如此。
引用
@article{arxiv.2401.00438,
title = {SFGANS Self-supervised Future Generator for human ActioN Segmentation},
author = {Or Berman and Adam Goldbraikh and Shlomi Laufer},
journal= {arXiv preprint arXiv:2401.00438},
year = {2024}
}