論文の概要: Interaction-GCN: a Graph Convolutional Network based framework for
social interaction recognition in egocentric videos
- arxiv url: http://arxiv.org/abs/2104.14007v1
- Date: Wed, 28 Apr 2021 20:25:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-30 13:03:44.803187
- Title: Interaction-GCN: a Graph Convolutional Network based framework for
social interaction recognition in egocentric videos
- Title(参考訳): 自己中心型ビデオにおけるソーシャルインタラクション認識のためのグラフ畳み込みネットワークベースのフレームワークInteraction-GCN
- Authors: Simone Felicioni, Mariella Dimiccoli
- Abstract要約: 我々は、エゴセントリックなビデオにおけるソーシャルインタラクションを分類する新しいフレームワーク、InteractionGCNを提案する。
本手法はフレームレベルで関係的および非関係的手がかりのパターンを抽出し、グラフ畳み込みネットワークに基づくアプローチにより相互作用的文脈を推定する関係グラフを構築する。
- 参考スコア(独自算出の注目度): 6.708125191843434
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we propose a new framework to categorize social interactions in
egocentric videos, we named InteractionGCN. Our method extracts patterns of
relational and non-relational cues at the frame level and uses them to build a
relational graph from which the interactional context at the frame level is
estimated via a Graph Convolutional Network based approach. Then it propagates
this context over time, together with first-person motion information, through
a Gated Recurrent Unit architecture. Ablation studies and experimental
evaluation on two publicly available datasets validate the proposed approach
and establish state of the art results.
- Abstract(参考訳): 本稿では,エゴセントリックビデオにおけるソーシャルインタラクションを分類する新たなフレームワークであるInteractionGCNを提案する。
本手法はフレームレベルで関係と非関係の手がかりのパターンを抽出し、グラフ畳み込みネットワークに基づくアプローチによりフレームレベルの相互作用コンテキストを推定する関係グラフを構築する。
そして、Gated Recurrent Unitアーキテクチャを通じて、一人称モーション情報とともに、時間とともにこのコンテキストを伝播する。
2つの公開データセットにおけるアブレーション研究と実験評価により,提案手法が検証され,結果が確立された。
関連論文リスト
- Learning Mutual Excitation for Hand-to-Hand and Human-to-Human Interaction Recognition [21.007782102151282]
相互励起グラフ畳み込み層を積み重ねた相互励起グラフ畳み込みネットワーク(me-GCN)を提案する。
Me-GCは各レイヤとグラフ畳み込み操作の各ステージで相互情報を学習する。
提案するme-GCは,最先端GCN法およびTransformer法より優れている。
論文 参考訳(メタデータ) (2024-02-04T10:00:00Z) - ConstGCN: Constrained Transmission-based Graph Convolutional Networks
for Document-level Relation Extraction [24.970508961370548]
グラフニューラルネットワークによる文書レベルの関係抽出は、トレーニングと推論の基本的なグラフ構築ギャップに直面している。
本稿では,知識に基づく情報伝達を行う新しいグラフ畳み込みネットワークである$textbfConstGCN$を提案する。
実験の結果,本手法はDocREデータセットに対する従来のSOTA(State-of-the-art)アプローチよりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-10-08T07:36:04Z) - Two-person Graph Convolutional Network for Skeleton-based Human
Interaction Recognition [11.650290790796323]
グラフ畳み込みネットワーク(GCN)は、骨格に基づく人間の行動認識領域において従来の手法より優れていた。
本稿では,関節間の空間的相互作用の相関を表す新しい2人グラフを提案する。
実験は、提案した2人グラフトポロジを利用する場合、相互作用と個々の動作の両方において精度の向上を示す。
論文 参考訳(メタデータ) (2022-08-12T08:50:15Z) - Exploring and mining attributed sequences of interactions [0.1933681537640272]
私たちはインタラクションをストリームグラフとしてモデル化します。
ラベル付きストリームグラフ上に閉じたパターンを列挙するアルゴリズムを導入し、関連する閉じたパターンを選択する方法を導入する。
学生間の相互作用と著者間の引用の2つの実世界のデータセットについて実験を行った。
論文 参考訳(メタデータ) (2021-07-28T12:53:46Z) - Modeling long-term interactions to enhance action recognition [81.09859029964323]
本稿では,フレームレベルと時間レベルの両方でオブジェクト間の相互作用のセマンティクスを利用する,エゴセントリックなビデオのアンダースタンドアクションに対する新しいアプローチを提案する。
ユーザの手とほぼ対応するプライマリ領域と、相互作用するオブジェクトに対応する可能性のあるセカンダリ領域のセットを入力として、領域ベースのアプローチを使用する。
提案手法は, 標準ベンチマークの動作認識において, 最先端技術よりも優れている。
論文 参考訳(メタデータ) (2021-04-23T10:08:15Z) - Graph Convolutional Embeddings for Recommender Systems [67.5973695167534]
本研究では,N-Partiteグラフのユーザ-item-contextインタラクションを処理するグラフ畳み込み層を提案する。
より具体的には、ユーザ-item-contextインタラクションを処理するN-partiteグラフのグラフ畳み込み層を定義する。
論文 参考訳(メタデータ) (2021-03-05T10:46:16Z) - Jointly Cross- and Self-Modal Graph Attention Network for Query-Based
Moment Localization [77.21951145754065]
本稿では,共同グラフを渡る反復的メッセージのプロセスとして,このタスクをリキャストするクロスモーダルグラフ注意ネットワーク(CSMGAN)を提案する。
CSMGANは2つのモード間の高次相互作用を効果的に捉えることができ、より正確な局所化を可能にします。
論文 参考訳(メタデータ) (2020-08-04T08:25:24Z) - A Graph-based Interactive Reasoning for Human-Object Interaction
Detection [71.50535113279551]
本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。
In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。
私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
論文 参考訳(メタデータ) (2020-07-14T09:29:03Z) - Bidirectional Graph Reasoning Network for Panoptic Segmentation [126.06251745669107]
本稿では,BGRNet(Bidirectional Graph Reasoning Network)を導入し,前景物と背景物間のモジュラー内およびモジュラー間関係について検討する。
BGRNetはまず、インスタンスとセマンティックセグメンテーションの両方でイメージ固有のグラフを構築し、提案レベルとクラスレベルで柔軟な推論を可能にする。
論文 参考訳(メタデータ) (2020-04-14T02:32:10Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳(メタデータ) (2020-03-09T17:05:04Z)
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。