从视频中无监督学习与分割复杂活动
计算机视觉与模式识别
2018-03-28 v1
摘要
本文提出了一种新方法，无需任何文本输入即可将视频中的复杂活动无监督分割为多个步骤或子活动。我们提出了一种迭代的判别-生成方法，该方法在判别性地从视频的视觉特征中学习子活动外观到子活动标签，与使用广义 Mallows 模型生成式地建模子活动的时间结构之间交替进行。此外，我们引入了一个背景模型，以解释与实际活动无关的帧。我们的方法在具有挑战性的 Breakfast Actions 和 Inria Instructional Videos 数据集上得到了验证，并优于无监督和弱监督的 SOTA 方法。
引用
@article{arxiv.1803.09490,
title = {Unsupervised Learning and Segmentation of Complex Activities from Video},
author = {Fadime Sener and Angela Yao},
journal= {arXiv preprint arXiv:1803.09490},
year = {2018}
}
备注
CVPR 2018 Accepted Manuscript