面向教学视频的无监督动作分割
计算机视觉与模式识别
2021-06-08 v1
摘要
本文中，我们解决了从教学视频中以无监督方式自动发现原子动作的问题，此类视频很少带有原子动作标注。我们提出了一种无监督方法，基于用于视频时间分割的序列随机自回归模型，从各类教学视频中学习结构化人类任务的原子动作。该方法学习表示并发现任务中不同原子动作之间的序列关系，并提供自动且无监督的自标注。
引用
@article{arxiv.2106.03738,
title = {Unsupervised Action Segmentation for Instructional Videos},
author = {AJ Piergiovanni and Anelia Angelova and Michael S. Ryoo and Irfan Essa},
journal= {arXiv preprint arXiv:2106.03738},
year = {2021}
}
备注
4 page abstract for LUV workshop