Spot On：基于点监督提议的动作定位
计算机视觉与模式识别
2017-12-14 v2
摘要
我们致力于视频中动作的时空定位。最先进的方法在测试时依赖动作提议，并使用在精心标注的边界框标注上训练的分类器选择最佳提议。视频中动作边界框的标注繁琐、乏味且容易出错。我们提议不标注边界框，而是仅用稀疏帧子集上的点来标注视频中的动作。我们引入了动作提议与点之间的重叠度量，并将它们全部纳入一个非凸多示例学习优化的目标中。在UCF Sports和UCF 101数据集上的实验评估表明：(i) 时空提议可用于训练分类器，同时保持定位性能；(ii) 点标注产生与边界框标注相当的结果，同时标注速度显著更快；(iii) 在最少量的监督下，我们的方法与最先进方法具有竞争力。最后，我们在Hollywood2的训练和测试视频上引入了时空动作标注，产生了Hollywood2Tubes，可从 http://tinyurl.com/hollywood2tubes 获取。
引用
@article{arxiv.1604.07602,
title = {Spot On: Action Localization from Pointly-Supervised Proposals},
author = {Pascal Mettes and Jan C. van Gemert and Cees G. M. Snoek},
journal= {arXiv preprint arXiv:1604.07602},
year = {2017}
}