論文の概要: TransAction: ICL-SJTU Submission to EPIC-Kitchens Action Anticipation
Challenge 2021
- arxiv url: http://arxiv.org/abs/2107.13259v1
- Date: Wed, 28 Jul 2021 10:42:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-29 13:58:30.539915
- Title: TransAction: ICL-SJTU Submission to EPIC-Kitchens Action Anticipation
Challenge 2021
- Title（参考訳）: 取引: icl-sjtu submit to epic-kitchens action anticipation challenge 2021
- Authors: Xiao Gu, Jianing Qiu, Yao Guo, Benny Lo, Guang-Zhong Yang
- Abstract要約: 我々は行動予測のための階層的注意モデルを開発した。
平均トップ5 アクションのリコールに関しては、チーム名 ICL-SJTU が13.39% に達した。
以下の3つの(部分)集合の中で、動詞のクラスで1位にランクされたことは注目に値する。
- 参考スコア（独自算出の注目度）: 42.35018041385645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this report, the technical details of our submission to the EPIC-Kitchens
Action Anticipation Challenge 2021 are given. We developed a hierarchical
attention model for action anticipation, which leverages Transformer-based
attention mechanism to aggregate features across temporal dimension,
modalities, symbiotic branches respectively. In terms of Mean Top-5 Recall of
action, our submission with team name ICL-SJTU achieved 13.39% for overall
testing set, 10.05% for unseen subsets and 11.88% for tailed subsets.
Additionally, it is noteworthy that our submission ranked 1st in terms of verb
class in all three (sub)sets.
- Abstract（参考訳）: 本報告では,EPIC-Kitchens Action Precipation Challenge 2021への提出の技術的詳細について述べる。
時間次元,モダリティ,共生分枝にまたがる特徴を集約するために,トランスフォーマティブ・アテンション機構を利用した行動予測のための階層的アテンションモデルを開発した。
平均的トップ5 アクションのリコールでは、チーム名 ICL-SJTU が13.39%、未確認サブセットが10.05%、尾行サブセットが11.88% に達した。
さらに、3つの(部分)集合すべてで動詞のクラスで1位にランクされたことも注目に値する。
関連論文リスト
- Human Pose Descriptions and Subject-Focused Attention for Improved Zero-Shot Transfer in Human-Centric Classification Tasks [89.1896982106731]
補助属性のみを用いて画像中の人体ポーズの文脈記述を作成するための新しいパイプラインを提案する。
CLIPを用いたゼロショット人間中心分類におけるポーズ記述の有効性を実証する。
我々のモデルはMPII Pose Descriptionsデータセットで事前訓練され、ゼロショット性能は5つの未確認データセットで評価された。
論文 参考訳（メタデータ） (2024-03-11T16:56:37Z) - The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors,
and renal cysts in corticomedullary-phase CT [50.41526598153698]
本稿では,2021 Kidney and Kidney tumor Challenge (KiTS21)の挑戦報告について述べる。
KiTS21は2019年に発売された最初のエディションの続編であり、チャレンジの設計方法に様々な革新が加えられている。
トップパフォーマンスのチームは、2019年のアートセットの状況よりも大幅に改善され、このパフォーマンスは人間レベルのパフォーマンスに近いことが示されています。
論文 参考訳（メタデータ） (2023-07-05T02:00:14Z) - Predicting the Next Action by Modeling the Abstract Goal [18.873728614415946]
本研究では,将来の予測の不確実性を低減するために,目標情報を活用する行動予測モデルを提案する。
我々は,行動予測のための視覚的特徴の観察シーケンスに基づいて,抽象目標という新しい概念を導出する。
提案手法は,Epic-Kitchens55 (EK55), EK100, EGTEA Gaze+データセットについて,非常に困難な結果を得た。
論文 参考訳（メタデータ） (2022-09-12T06:52:42Z) - NVIDIA-UNIBZ Submission for EPIC-KITCHENS-100 Action Anticipation
Challenge 2022 [13.603712913129506]
EPIC-Kitchen-100アクション予測課題の技術的詳細について述べる。
我々のモデリング、高次の時空変換器、エッジ学習を用いたメッセージパスニューラルネットワークはどちらも、2.5秒の推論コンテキストのみを観測し、アクション予測予測を形成するリカレントベースアーキテクチャである。
提案したトレーニングパイプラインでコンパイルされたモデルの予測スコアを平均化することにより、テストセット上で強力なパフォーマンスを実現しました。
論文 参考訳（メタデータ） (2022-06-22T06:34:58Z) - SAIC_Cambridge-HuPBA-FBK Submission to the EPIC-Kitchens-100 Action
Recognition Challenge 2021 [80.05652375838073]
本報告では,EPIC-Kitchens-100 Action Recognition Challenge 2021への提出の技術的詳細について述べる。
我々の提出は、公共のリーダーボードで見ることができ、RGBのみを使用して、44.82%のトップ1の行動認識精度を達成した。
論文 参考訳（メタデータ） (2021-10-06T16:29:47Z) - Team PyKale (xy9) Submission to the EPIC-Kitchens 2021 Unsupervised
Domain Adaptation Challenge for Action Recognition [12.905251261775405]
本報告では,EPIC-Kitchens 2021 Unsupervised Domain Adaptation Challenge for Action Recognitionの技術的詳細について述べる。
EPIC-Kitchensデータセットは、よりモダリティの高いマルチタスクのため、他のビデオドメイン適応データセットよりも難しい。
チーム名xy9では,動詞クラスとすべてのトップ5の精度でトップ1の精度で5位にランクインした。
論文 参考訳（メタデータ） (2021-06-22T19:17:03Z) - Anticipative Video Transformer [105.20878510342551]
Precipative Video Transformer (AVT) は、エンド・ツー・エンドの注意に基づくビデオモデリングアーキテクチャである。
我々は,連続した将来のフレームの特徴を予測可能なフレーム特徴エンコーダを学習しながら,ビデオシーケンスにおける次のアクションを予測するためにモデルを共同で訓練する。
論文 参考訳（メタデータ） (2021-06-03T17:57:55Z) - FBK-HUPBA Submission to the EPIC-Kitchens Action Recognition 2020
Challenge [43.8525418821458]
EPIC-Kitchens Action Recognition 2020 Challengeへの提出の技術的詳細について述べる。
提案手法は,S1では40.0%,S2では21%,RGBでは21%であった。
論文 参考訳（メタデータ） (2020-06-24T13:41:17Z)
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。