基于图卷积网络的时间戳监督动作分割
计算机视觉与模式识别
2022-08-03 v4
摘要
我们提出一种用于时间戳监督下时间活动分割的新方法。我们的主要贡献是一个图卷积网络，它以端到端方式学习，利用帧特征及相邻帧之间的连接，从稀疏时间戳标签生成密集帧级标签。生成的密集帧级标签随后可用于训练分割模型。此外，我们提出一个交替学习分割模型与图卷积模型的框架，该框架先初始化而后迭代精炼所学模型。在四个公开数据集（包括50 Salads、GTEA、Breakfast和Desktop Assembly）上的详细实验表明，我们的方法优于多层感知机基线，同时在时间戳监督的时间活动分割上达到与最先进水平相当或更好的性能。
引用
@article{arxiv.2206.15031,
title = {Timestamp-Supervised Action Segmentation with Graph Convolutional Networks},
author = {Hamza Khan and Sanjay Haresh and Awais Ahmed and Shakeeb Siddiqui and Andrey Konin and M. Zeeshan Zia and Quoc-Huy Tran},
journal= {arXiv preprint arXiv:2206.15031},
year = {2022}
}
备注
Accepted to IROS 2022