用于弱监督群体活动识别的社会自适应模块
计算机视觉与模式识别
2020-07-21 v1
摘要
本文提出一项新任务，称为弱监督群体活动识别（GAR），它与常规 GAR 任务的不同之处在于仅提供视频级标签，而即便在训练数据中也未提供每帧中的重要人物。这使我们能够收集和标注一个大规模 NBA 数据集，从而给 GAR 带来新挑战。为了从弱监督中挖掘有用信息，我们提出一个关键见解：关键实例彼此可能相关，并据此设计了一个社会自适应模块（SAM）从噪声数据中推理关键人物和帧。实验表明在 NBA 数据集以及流行的排球数据集上均有显著提升。特别地，我们使用视频级标注训练的模型取得了与需要强标签的先前算法相当的准确率。
引用
@article{arxiv.2007.09470,
title = {Social Adaptive Module for Weakly-supervised Group Activity Recognition},
author = {Rui Yan and Lingxi Xie and Jinhui Tang and Xiangbo Shu and Qi Tian},
journal= {arXiv preprint arXiv:2007.09470},
year = {2020}
}
备注
Accepted by ECCV2020