TinyVIRAT：低分辨率视频动作识别
计算机视觉与模式识别
2020-07-16 v1 图像与视频处理
摘要
现有动作识别研究多聚焦于动作清晰可辨的高质量视频。在现实世界监控环境中，视频中的动作以广泛的分辨率被捕捉。多数活动发生于远处且分辨率很小，识别此类活动是一项具有挑战性的问题。本工作中，我们专注于识别视频中的微小动作。我们引入了一个基准数据集TinyVIRAT，其包含自然的低分辨率活动。TinyVIRAT视频中的动作具有多个标签，且提取自监控视频，这使其更具真实性与挑战性。我们提出了一种识别视频中微小动作的新方法，其利用渐进式生成方法提升低分辨率动作的质量。所提方法还包含一个弱训练的注意力机制，有助于聚焦于视频中的活动区域。我们进行了大量实验以对提出的TinyVIRAT数据集进行基准测试，并观察到所提方法相较基线显著提升了动作识别性能。我们还在合成缩放的动作识别数据集上评估了所提方法，与现有方法相比取得了state-of-the-art结果。数据集与代码公开于 https://github.com/UgurDemir/Tiny-VIRAT。
引用
@article{arxiv.2007.07355,
title = {TinyVIRAT: Low-resolution Video Action Recognition},
author = {Ugur Demir and Yogesh S Rawat and Mubarak Shah},
journal= {arXiv preprint arXiv:2007.07355},
year = {2020}
}