基于未剪辑视频的不确定性感知弱监督动作检测
计算机视觉与模式识别
2020-07-22 v1
摘要
尽管视频分类近期取得进展，时空动作识别的进度仍落后于前者。一个主要因素是逐帧标注视频的昂贵成本。本文中，我们提出一种仅用视频级标签（标注显著更易）训练的时空动作识别模型。我们的方法在多重实例学习框架内利用了已在大型图像数据集上训练好的逐帧人物检测器。我们展示了在标准多重实例学习假设（即每个包至少包含一个具指定标签的实例）不成立的情况下如何应用我们的方法，使用一种新颖的 MIL 概率变体来估计每次预测的不确定性。此外，我们报告了在 AVA 数据集上的首个弱监督结果，以及在 UCF101-24 上弱监督方法中的最先进结果。
引用
@article{arxiv.2007.10703,
title = {Uncertainty-Aware Weakly Supervised Action Detection from Untrimmed Videos},
author = {Anurag Arnab and Chen Sun and Arsha Nagrani and Cordelia Schmid},
journal= {arXiv preprint arXiv:2007.10703},
year = {2020}
}
备注
ECCV 2020