VideoGraph：识别视频中长达数分钟的人类活动
计算机视觉与模式识别
2019-10-15 v2
摘要
许多人类活动需要数分钟才能展开。为了表征它们，相关的工作选择统计池化，这忽略了时间结构。另一些选择卷积方法，如 CNN 和非局部（Non-Local）。虽然在学时域概念上取得成功，但它们难以建模长达数分钟的时间依赖关系。我们提出 VideoGraph，一种两全其美的方法：表征长达数分钟的人类活动并学习其潜在的时间结构。VideoGraph 为人类活动学习一种基于图的表示。该图及其节点和边完全从视频数据集中学习，使得 VideoGraph 适用于没有节点级标注的问题。结果是在基准 Epic-Kitchen 和 Breakfast 上相比相关工作的提升。此外，我们证明 VideoGraph 能够学习数分钟长视频中人类活动的时间结构。
引用
@article{arxiv.1905.05143,
title = {VideoGraph: Recognizing Minutes-Long Human Activities in Videos},
author = {Noureldien Hussein and Efstratios Gavves and Arnold W. M. Smeulders},
journal= {arXiv preprint arXiv:1905.05143},
year = {2019}
}