TAN：用于密集多标签动作识别的时间聚合网络
计算机视觉与模式识别
2018-12-18 v1
摘要
我们提出时间聚合网络（TAN），它将 3D 卷积分解为空间聚合块与时间聚合块。通过反复堆叠空间与时间卷积，TAN 形成了用于捕获视频中时空信息的深度层次化表示。由于我们并非在每一层都应用 3D 卷积，而仅在网络中每个空间下采样层之后应用一次时间聚合块，我们显著降低了模型复杂度。在网络不同分辨率上使用空洞卷积有助于高效聚合多尺度时空信息。实验表明，我们的模型非常适用于密集多标签动作识别，这是动作识别中一个具有挑战性的子课题，要求对每一帧预测多个动作标签。我们在 Charades 与 Multi-THUMOS 数据集上分别以 5% 和 3% 的优势超越 SOTA 方法。
引用
@article{arxiv.1812.06203,
title = {TAN: Temporal Aggregation Network for Dense Multi-label Action Recognition},
author = {Xiyang Dai and Bharat Singh and Joe Yue-Hei Ng and Larry S. Davis},
journal= {arXiv preprint arXiv:1812.06203},
year = {2018}
}
备注
WACV 2019