自我中心视频中位置与光照变化的无监督理解
计算机视觉与模式识别
2017-03-29 v2
摘要
可穿戴相机是未来几年最有前途的设备之一，因此，自动理解用其录制视频的计算机算法需求正在快速增长。这些视频的自动理解并非易事，其移动特性意味着需要面对重要挑战，例如变化的光照条件和无限制记录的位置。本文提出一种基于全局特征和流形学习的无监督策略，以赋予可穿戴相机关于光照条件和所捕获位置的上下文信息。结果表明，非线性流形方法能够在不耗费大量计算资源的情况下从全局特征中捕获上下文模式。作为应用案例，所提策略被用作一种切换机制，以改善自我中心视频中的手部检测问题。
引用
@article{arxiv.1603.09200,
title = {Unsupervised Understanding of Location and Illumination Changes in Egocentric Videos},
author = {Alejandro Betancourt and Natalia Díaz-Rodríguez and Emilia Barakova and Lucio Marcenaro and Matthias Rauterberg and Carlo Regazzoni},
journal= {arXiv preprint arXiv:1603.09200},
year = {2017}
}
备注
Submitted for publication