基于迭代软边界分配的弱监督动作分割
计算机视觉与模式识别
2023-05-22 v1
摘要
本文中，我们处理长而未裁剪视频中的弱监督人体动作分割任务。近期方法依赖于昂贵的学习模型，如循环神经网络（RNN）和隐马尔可夫模型（HMM）。然而，这些方法计算代价高昂，因此无法大规模部署。为克服这些局限，我们设计的关键在于效率与可扩展性。我们提出了一种新颖的动作建模框架，包含一个用于预测逐帧动作标签的名为时间卷积特征金字塔网络（TCFPN）的新时间卷积网络，以及一种用于弱监督序列建模的新训练策略，名为迭代软边界分配（ISBA），以迭代方式对齐动作序列并更新网络。所提框架在两个基准数据集Breakfast和Hollywood Extended上以四种不同评估指标进行了评估。大量实验结果表明，我们的方法取得了与最先进方法竞争或更优的性能。
引用
@article{arxiv.1803.10699,
title = {Weakly-Supervised Action Segmentation with Iterative Soft Boundary Assignment},
author = {Li Ding and Chenliang Xu},
journal= {arXiv preprint arXiv:1803.10699},
year = {2023}
}
备注
CVPR 2018