Fugu-MT 論文翻訳(概要): HAPRec: Hybrid Activity and Plan Recognizer

論文の概要: HAPRec: Hybrid Activity and Plan Recognizer

arxiv url: http://arxiv.org/abs/2004.13482v1
Date: Tue, 28 Apr 2020 13:20:14 GMT
ステータス: 処理完了
システム内更新日: 2022-12-08 23:07:30.038437
Title: HAPRec: Hybrid Activity and Plan Recognizer
Title（参考訳）: HAPRec:ハイブリッドアクティビティとプラン認識
Authors: Roger Granada and Ramon Fraga Pereira and Juarez Monteiro and Leonardo Amado and Rodrigo C. Barros and Duncan Ruiz and Felipe Meneguzzi
Abstract要約: 本研究では,映像の主題が追求している目標を特定するために,室内環境における活動認識を実証する。我々のハイブリッドアプローチは、アクション認識モジュールとゴール認識アルゴリズムを組み合わせて、ビデオ中の被験者の最終的な目標を識別する。
参考スコア（独自算出の注目度）: 24.395550734970445
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computer-based assistants have recently attracted much interest due to its applicability to ambient assisted living. Such assistants have to detect and recognize the high-level activities and goals performed by the assisted human beings. In this work, we demonstrate activity recognition in an indoor environment in order to identify the goal towards which the subject of the video is pursuing. Our hybrid approach combines an action recognition module and a goal recognition algorithm to identify the ultimate goal of the subject in the video.
Abstract（参考訳）: コンピュータベースのアシスタントは最近、環境支援生活に適用できるため、多くの関心を集めている。このようなアシスタントは、支援する人間が行う高度な活動や目標を検出し、認識しなければならない。本研究では,映像の主題が追求している目標を特定するために,室内環境における活動認識を実証する。提案手法は,アクション認識モジュールとゴール認識アルゴリズムを組み合わせることで,映像中の対象の究極の目標を識別する。

関連論文リスト

Towards Intention Recognition for Robotic Assistants Through Online POMDP Planning [2.693342141713236]
意図認識は、人間の日常的なタスクを支援する自動アシスタントの設計と開発において重要な役割を果たす。本稿では,オンラインの意図認識のための部分的に観測可能なモデルについて述べるとともに,予備的な実験結果を示すとともに,この問題のファミリに存在する課題について論じる。
論文参考訳（メタデータ） (2024-11-26T11:13:00Z)
Human Goal Recognition as Bayesian Inference: Investigating the Impact of Actions, Timing, and Goal Solvability [7.044125601403849]
ベイズフレームワークを用いて、ゴール認識における行動、タイミング、およびゴール解決可能性の役割を探求する。私たちの研究は、人間の目標認識に関する新たな洞察を提供し、より人間的なAIモデルに向けた一歩を踏み出します。
論文参考訳（メタデータ） (2024-02-16T08:55:23Z)
Tragedy Plus Time: Capturing Unintended Human Activities from Weakly-labeled Videos [31.1632730473261]
W-Oopsは2100の意図しない人間のアクションビデオで構成され、44のゴール指向と30の意図しないビデオレベルのアクティビティラベルが人間のアノテーションを通じて収集されている。本稿では,映像中の意図しない時間領域だけでなく,目標指向の局所化のための弱教師付きアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-04-28T14:56:43Z)
ActAR: Actor-Driven Pose Embeddings for Video Action Recognition [12.043574473965318]
ビデオにおけるヒューマンアクション認識(HAR)は、ビデオ理解のコアタスクの1つである。我々は,赤外スペクトルにおける効率的な人間の行動を認識することを同時に学習する新しい手法を提案する。
論文参考訳（メタデータ） (2022-04-19T05:12:24Z)
Skeleton-Based Mutually Assisted Interacted Object Localization and Human Action Recognition [111.87412719773889]
本研究では,骨格データに基づく「相互作用対象の局所化」と「人間の行動認識」のための共同学習フレームワークを提案する。本手法は,人間の行動認識のための最先端の手法を用いて,最高の,あるいは競争的な性能を実現する。
論文参考訳（メタデータ） (2021-10-28T10:09:34Z)
Towards Open World Object Detection [68.79678648726416]
ORE: Open World Object Detectorは、対照的なクラスタリングとエネルギーベースの未知の識別に基づいている。未知のインスタンスの識別と特徴付けは、インクリメンタルなオブジェクト検出設定における混乱を減らすのに役立ちます。
論文参考訳（メタデータ） (2021-03-03T18:58:18Z)
One-shot action recognition towards novel assistive therapies [63.23654147345168]
この作業は、アクション模倣ゲームを含む医療療法の自動分析によって動機づけられます。提案手法は、異種運動データ条件を標準化する前処理ステップを組み込んだものである。自閉症者に対するセラピー支援のための自動ビデオ分析の実際の利用事例について検討した。
論文参考訳（メタデータ） (2021-02-17T19:41:37Z)
TinyVIRAT: Low-resolution Video Action Recognition [70.37277191524755]
現実世界の監視環境では、ビデオ内のアクションは幅広い解像度でキャプチャされる。天然の低解像度アクティビティを含むベンチマークデータセットTinyVIRATを導入する。本稿では,プログレッシブ・ジェネレーティブ・アプローチを用いたビデオにおける小さな動作を認識する新しい手法を提案する。
論文参考訳（メタデータ） (2020-07-14T21:09:18Z)
Attention-Oriented Action Recognition for Real-Time Human-Robot Interaction [11.285529781751984]
本稿では,リアルタイムインタラクションの必要性に応えるために,アテンション指向のマルチレベルネットワークフレームワークを提案する。具体的には、プレアテンションネットワークを使用して、低解像度でシーン内のインタラクションに大まかにフォーカスする。他のコンパクトCNNは、抽出されたスケルトンシーケンスをアクション認識用の入力として受信する。
論文参考訳（メタデータ） (2020-07-02T12:41:28Z)
AvE: Assistance via Empowerment [77.08882807208461]
そこで我々は,人間の環境制御能力を高めることで,支援のための新しいパラダイムを提案する。このタスクに依存しない目的は、個人の自律性と最終的な状態を達成する能力を維持する。
論文参考訳（メタデータ） (2020-06-26T04:40:11Z)
Mutual Information-based State-Control for Intrinsically Motivated Reinforcement Learning [102.05692309417047]
強化学習において、エージェントは、外部報酬信号を用いて一連の目標に到達することを学習する。自然界では、知的生物は内部の駆動から学習し、外部の信号を必要としない。目的状態と制御可能な状態の間の相互情報として本質的な目的を定式化する。
論文参考訳（メタデータ） (2020-02-05T19:21:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。