SRG：基于片段关联性的时序动作提案生成器
计算机视觉与模式识别
2020-03-09 v2
摘要
近期的时序动作提案生成方法建议整合基于片段与基于片段得分的方法以产生高召回率与精确边界的提案。本文不同于此类混合策略，我们关注基于片段得分方法的潜力。具体而言，我们提出一种名为基于片段关联性的生成器（SRG）的新颖基于片段得分方法，其带有“片段关联性”的新概念。片段关联性表示哪些片段与特定动作实例相关。为有效学习此片段关联性，我们提出“金字塔非局部操作”以局部与全局捕获片段间的长程依赖。利用这些组件，SRG 首先生成一张 2D 关联性得分图，从而可靠地生成覆盖大多数具有高重叠度动作实例的各种时间间隔。然后，SRG 评估这些时间间隔的动作置信度得分并细化其边界以获得时序动作提案。在 THUMOS-14 与 ActivityNet-1.3 数据集上，SRG 在时序动作提案生成上优于 SOTA 方法。此外，与竞争提案生成器相比，SRG 在时序动作检测上带来显著提升。
引用
@article{arxiv.1911.11306,
title = {SRG: Snippet Relatedness-based Temporal Action Proposal Generator},
author = {Hyunjun Eun and Sumin Lee and Jinyoung Moon and Jongyoul Park and Chanho Jung and Changick Kim},
journal= {arXiv preprint arXiv:1911.11306},
year = {2020}
}
备注
To appear in TCSVT