时间感知机:用于活动预测中何时、何地与何事的时序点过程
计算机视觉与模式识别
2018-08-15 v2
摘要
众多强大的点过程模型已被开发,用以理解来自医疗、电子商务、社交网络与自然灾害预测等领域的序列数据时间模式。本文中,我们发展新颖模型以学习流数据(如视频与行人轨迹)中人类活动的时间分布。我们提出一种神经网络与时序点过程相集成的框架,用于预测下一次活动何时发生。由于点过程仅限于以事件帧为输入,我们提出一种简单而有效的机制,在关注帧提取特征的同时保留其余帧中的丰富信息。我们在两个具挑战性数据集上评估模型。结果显示我们的模型显著优于传统统计点过程方法,证明其捕捉底层时间动态及序列活动间相关性的有效性。此外,我们还将模型扩展至联合估计框架,以同时预测活动的时机、空间位置与类别,从而回答活动预测中的何时、何地与何事。
引用
@article{arxiv.1808.04063,
title = {Time Perception Machine: Temporal Point Processes for the When, Where and What of Activity Prediction},
author = {Yatao Zhong and Bicheng Xu and Guang-Tong Zhou and Luke Bornn and Greg Mori},
journal= {arXiv preprint arXiv:1808.04063},
year = {2018}
}