Fugu-MT 論文翻訳(概要): Generating Adjacency Matrix for Video Relocalization

論文の概要: Generating Adjacency Matrix for Video Relocalization

arxiv url: http://arxiv.org/abs/2008.08977v2
Date: Thu, 27 Jan 2022 02:59:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-27 11:42:11.823544
Title: Generating Adjacency Matrix for Video Relocalization
Title（参考訳）: ビデオ再局在のための隣接行列の生成
Authors: Yuan Zhou, Mingfei Wang, Ruolin Wang, Shuwei Huo
Abstract要約: 類似度測定に基づくグラフ畳み込みを用いた手法の改良を行った。 ActivityNet v1.2とThumos14データセットの実験は、この改善の有効性を示している。
参考スコア（独自算出の注目度）: 16.67309677191578
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we continue our work on video relocalization task. Based on using graph convolution to extract intra-video and inter-video frame features, we improve the method by using similarity-metric based graph convolution, whose weighted adjacency matrix is achieved by calculating similarity metric between features of any two different time steps in the graph. Experiments on ActivityNet v1.2 and Thumos14 dataset show the effectiveness of this improvement, and it outperforms the state-of-the-art methods.
Abstract（参考訳）: 本稿では,ビデオ再ローカライズ作業の継続について述べる。グラフ畳み込みを用いてビデオ内およびビデオ間フレームの特徴を抽出し、グラフ内の2つの異なる時間ステップの特徴間の類似度を計算し、重み付き隣接行列を実現する類似度測定ベースのグラフ畳み込みを用いて改善する。 ActivityNet v1.2とThumos14データセットの実験では、この改善の有効性が示され、最先端の手法よりも優れています。

関連論文リスト

VideoSAGE: Video Summarization with Graph Representation Learning [9.21019970479227]
本稿では,映像要約のためのグラフベース表現学習フレームワークを提案する。この方法で構築されたグラフは、ビデオフレーム間の長距離インタラクションをキャプチャすることを目的としている。
論文参考訳（メタデータ） (2024-04-14T15:49:02Z)
A Simplified Framework for Contrastive Learning for Node Representations [2.277447144331876]
グラフにノードを埋め込むために,グラフニューラルネットワークと組み合わせてコントラスト学習を展開できる可能性を検討する。組込み行列の単純なカラムワイド後処理により, 組込み結果の品質とトレーニング時間を大幅に改善できることを示す。この修正により、下流の分類タスクは最大1.5%改善され、8つの異なるベンチマークのうち6つで既存の最先端のアプローチに勝っている。
論文参考訳（メタデータ） (2023-05-01T02:04:36Z)
Learning Partial Correlation based Deep Visual Representation for Image Classification [61.0532370259644]
CNNの新たな構造層としてスパース逆共分散推定(SICE)を定式化する。本研究は,部分的相関に基づく深部視覚表現を求め,小さなサンプル問題を緩和する。実験により,本モデルの有効性と優れた分類性能が示された。
論文参考訳（メタデータ） (2023-04-23T10:09:01Z)
GraphCoCo: Graph Complementary Contrastive Learning [65.89743197355722]
グラフコントラスト学習(GCL)は、手作業によるアノテーションの監督なしに、グラフ表現学習(GRL)において有望な性能を示した。本稿では,この課題に対処するため,グラフココというグラフ補完型コントラスト学習手法を提案する。
論文参考訳（メタデータ） (2022-03-24T02:58:36Z)
HighlightMe: Detecting Highlights from Human-Centric Videos [52.84233165201391]
我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
論文参考訳（メタデータ） (2021-10-05T01:18:15Z)
Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。各種データセットを用いた実験により,提案手法が最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-04-11T03:25:25Z)
Weakly Supervised Video Salient Object Detection [79.51227350937721]
本稿では,relabeled relabeled "fixation guided scribble annotations" に基づく最初の弱教師付きビデオサリエント物体検出モデルを提案する。効果的なマルチモーダル学習と長期時間文脈モデリングを実現するために,「アプレンス・モーション・フュージョン・モジュール」と双方向のConvLSTMベースのフレームワークを提案する。
論文参考訳（メタデータ） (2021-04-06T09:48:38Z)
Composable Augmentation Encoding for Video Representation Learning [94.2358972764708]
自己教師型ビデオ表現学習におけるコントラスト手法に着目した。対照的な学習における一般的なパラダイムは、同じインスタンスで異なるデータビューをサンプリングし、異なるデータインスタンスを負として、ポジティブペアを構築することである。そこで我々は,拡張パラメータの列を明示的に提供する,拡張対応型コントラスト学習フレームワークを提案する。提案手法は,特定の空間的あるいは時間的拡張に関する情報をエンコードすると同時に,多数のビデオベンチマークで最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2021-04-01T16:48:53Z)
Fusion Moves for Graph Matching [35.27002115682325]
グラフマッチングとしても知られる二次代入問題に対する近似アルゴリズムに寄与する。マルチラベル離散マルコフ確率場のための融合移動法の成功に触発され,グラフマッチングへの適用性を検討した。本稿では,ラグランジュ二元法と効率的に組み合わせる方法について述べる。
論文参考訳（メタデータ） (2021-01-28T16:09:46Z)
Graph Neural Network for Video Relocalization [16.67309677191578]
ビデオ再ローカライゼーションデータセットには、フレームによる特徴類似性とビデオによる特徴類似性との間に一貫した関係が存在しない現象が存在する。本稿では,この現象を考慮に入れ,検索ビデオ機能と提案ビデオ機能とを時間次元に沿って結合することにより,映像特徴をグラフとして扱う。グラフニューラルネットワークのパワーを用いて,このグラフの関係性を融合させるマルチグラフ特徴融合モジュールを提案する。
論文参考訳（メタデータ） (2020-07-20T04:01:40Z)
Action Graphs: Weakly-supervised Action Localization with Graph Convolution Networks [25.342482374259017]
本稿では,グラフ畳み込みに基づく弱教師付き動作位置決め手法を提案する。本手法は外観と動きを符号化した類似性グラフを用いて,THUMOS '14, ActivityNet 1.2, Charadesの動作ローカライゼーションを弱めに制御する手法である。
論文参考訳（メタデータ） (2020-02-04T18:21:10Z)

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。