迈向更实用的群体活动检测：新基准与模型

群体活动检测（GAD）是在视频中同时识别每个群体的成员并分类该群体活动的任务。尽管 GAD 最近得到了研究，但由于其解决实际 GAD 场景的能力有限，在数据集和方法论方面仍有很大的改进空间。为解决这些问题，我们首先提出了一个新的数据集，名为 Caf\'e。与现有数据集不同，Caf\'e 主要为 GAD 构建，呈现了更实际的场景和评估指标，并且规模大、提供了丰富的标注。伴随该数据集，我们提出了一种新的 GAD 模型，该模型能高效且有效地处理未知数量的群体和潜在的群体成员。我们在包括 Caf\'e 在内的三个数据集上评估了我们的模型，其在准确率和推理速度方面均优于先前的工作。