論文の概要: Semi-Supervised Few-Shot Atomic Action Recognition
- arxiv url: http://arxiv.org/abs/2011.08410v1
- Date: Tue, 17 Nov 2020 03:59:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 16:48:52.101149
- Title: Semi-Supervised Few-Shot Atomic Action Recognition
- Title（参考訳）: 半教師数ショット原子アクション認識
- Authors: Xiaoyuan Ni, Sizhe Song, Yu-Wing Tai, Chi-Keung Tang
- Abstract要約: 半教師付き数発のアトミック・アクション認識のための新しいモデルを提案する。
我々のモデルは、教師なしおよびコントラスト付きビデオ埋め込み、ゆるやかなアクションアライメント、マルチヘッド特徴比較、アテンションベースのアグリゲーションを特徴としている。
実験により,本モデルは,それぞれの最先端の分類精度よりも高い精度を全監督条件下で達成できることが確認された。
- 参考スコア（独自算出の注目度）: 59.587738451616495
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite excellent progress has been made, the performance on action
recognition still heavily relies on specific datasets, which are difficult to
extend new action classes due to labor-intensive labeling. Moreover, the high
diversity in Spatio-temporal appearance requires robust and representative
action feature aggregation and attention. To address the above issues, we focus
on atomic actions and propose a novel model for semi-supervised few-shot atomic
action recognition. Our model features unsupervised and contrastive video
embedding, loose action alignment, multi-head feature comparison, and
attention-based aggregation, together of which enables action recognition with
only a few training examples through extracting more representative features
and allowing flexibility in spatial and temporal alignment and variations in
the action. Experiments show that our model can attain high accuracy on
representative atomic action datasets outperforming their respective
state-of-the-art classification accuracy in full supervision setting.
- Abstract（参考訳）: 優れた進歩にもかかわらず、アクション認識のパフォーマンスは、労働集約的なラベル付けによる新しいアクションクラスの拡張が難しい特定のデータセットに大きく依存している。
さらに、時空間的外観における高い多様性は、ロバストで典型的な行動特徴の集約と注意を必要とする。
上記の課題に対処するため、我々は原子行動に着目し、半教師付き数発の原子行動認識のための新しいモデルを提案する。
本モデルでは,より代表的特徴を抽出し,空間的および時間的アライメントの柔軟性と動作のバリエーションを付与することにより,少数のトレーニング例のみによる行動認識を可能にする。
実験により,本モデルは,それぞれの最先端の分類精度よりも高い精度を全監督環境で達成できることが示された。
関連論文リスト
- An Information Compensation Framework for Zero-Shot Skeleton-based Action Recognition [49.45660055499103]
ゼロショットの人間の骨格に基づく行動認識は、トレーニング中に見られるカテゴリ外の行動を認識するモデルを構築することを目的としている。
従来の研究では、シーケンスの視覚的空間分布と意味的空間分布の整合性に焦点が当てられていた。
強固で頑健な表現を得るために,新たな損失関数サンプリング手法を提案する。
論文 参考訳（メタデータ） (2024-06-02T06:53:01Z) - Action-slot: Visual Action-centric Representations for Multi-label Atomic Activity Recognition in Traffic Scenes [23.284478293459856]
Action-Slotは、視覚的なアクション中心の表現を学ぶスロットアテンションベースのアプローチである。
私たちのキーとなるアイデアは、原子活動が起こる領域に注意を払うことができるアクションスロットを設計することです。
この制限に対処するため,OATSより4倍大きいTACOという合成データセットを収集した。
論文 参考訳（メタデータ） (2023-11-29T05:28:05Z) - Exploiting Modality-Specific Features For Multi-Modal Manipulation
Detection And Grounding [54.49214267905562]
マルチモーダルな操作検出とグラウンド処理のためのトランスフォーマーベースのフレームワークを構築する。
本フレームワークは,マルチモーダルアライメントの能力を維持しながら,モダリティ特有の特徴を同時に探求する。
本稿では,グローバルな文脈的キューを各モーダル内に適応的に集約する暗黙的操作クエリ(IMQ)を提案する。
論文 参考訳（メタデータ） (2023-09-22T06:55:41Z) - Hierarchical Compositional Representations for Few-shot Action
Recognition [51.288829293306335]
本稿では,新しい階層型合成表現(HCR)学習手法を提案する。
複雑なアクションを、慎重に設計された階層的クラスタリングによって、いくつかのサブアクションに分割する。
また、輸送問題において、サブアクション表現の観点から、ビデオサンプル間の類似度を測定するために、アースモーバー距離(Earth Mover's Distance)を採用した。
論文 参考訳（メタデータ） (2022-08-19T16:16:59Z) - Weakly-Supervised Temporal Action Detection for Fine-Grained Videos with
Hierarchical Atomic Actions [13.665489987620724]
ビデオにおける微粒な時間的行動検出の弱さに対処する。
本稿では、データから自動的に検出される再利用可能なアトミックアクションの組み合わせとしてアクションをモデル化する。
提案手法は,クリップレベル,アトミックアクションレベル,ファインアクションクラスレベル,粗いアクションクラスレベルという4つのレベルの視覚的表現階層を構築し,各レベルを監督する。
論文 参考訳（メタデータ） (2022-07-24T20:32:24Z) - Few-Shot Fine-Grained Action Recognition via Bidirectional Attention and
Contrastive Meta-Learning [51.03781020616402]
現実世界のアプリケーションで特定のアクション理解の需要が高まっているため、きめ細かいアクション認識が注目を集めている。
そこで本研究では,各クラスに付与されるサンプル数だけを用いて,新規なきめ細かい動作を認識することを目的とした,数発のきめ細かな動作認識問題を提案する。
粒度の粗い動作では進展があったが、既存の数発の認識手法では、粒度の細かい動作を扱う2つの問題に遭遇する。
論文 参考訳（メタデータ） (2021-08-15T02:21:01Z) - Learning to Represent Action Values as a Hypergraph on the Action
Vertices [17.811355496708728]
行動値推定は強化学習法(RL)の重要な要素である。
多次元のアクション空間の構造を活用することが、アクションの優れた表現を学ぶための鍵となる要素であると推測する。
Atari 2600 ゲームや、離散化物理制御ベンチマークなど、無数の領域に対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2020-10-28T00:19:13Z) - Inferring Temporal Compositions of Actions Using Probabilistic Automata [61.09176771931052]
本稿では,動作の時間的構成を意味正規表現として表現し,確率的オートマトンを用いた推論フレームワークを提案する。
我々のアプローチは、長い範囲の複雑なアクティビティを、順序のないアトミックアクションのセットとして予測するか、自然言語文を使ってビデオを取得するという既存の研究とは異なる。
論文 参考訳（メタデータ） (2020-04-28T00:15:26Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。