論文の概要: FIFA: Fast Inference Approximation for Action Segmentation
- arxiv url: http://arxiv.org/abs/2108.03894v1
- Date: Mon, 9 Aug 2021 09:23:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-10 23:41:11.579967
- Title: FIFA: Fast Inference Approximation for Action Segmentation
- Title(参考訳): fifa: アクションセグメンテーションのための高速推論近似
- Authors: Yaser Souri, Yazan Abu Farha, Fabien Despinoy, Gianpiero Francesca and
Juergen Gall
- Abstract要約: アクションセグメンテーションとアライメントのための高速近似推論手法であるFIFAを導入する。
FIFAは、勾配線で最小化できる近似微分可能エネルギー関数を使用している。
FIFAは、正確な推論に比べて、より高速な速度対精度のトレードオフを提供する、任意の時間推論アルゴリズムである。
- 参考スコア(独自算出の注目度): 20.79297999818884
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce FIFA, a fast approximate inference method for action
segmentation and alignment. Unlike previous approaches, FIFA does not rely on
expensive dynamic programming for inference. Instead, it uses an approximate
differentiable energy function that can be minimized using gradient-descent.
FIFA is a general approach that can replace exact inference improving its speed
by more than 5 times while maintaining its performance. FIFA is an anytime
inference algorithm that provides a better speed vs. accuracy trade-off
compared to exact inference. We apply FIFA on top of state-of-the-art
approaches for weakly supervised action segmentation and alignment as well as
fully supervised action segmentation. FIFA achieves state-of-the-art results on
most metrics on two action segmentation datasets.
- Abstract(参考訳): アクションセグメンテーションとアライメントのための高速近似推論手法であるFIFAを導入する。
従来のアプローチとは異なり、FIFAは推論に高価な動的プログラミングに依存していない。
代わりに、勾配線で最小化できる近似微分可能エネルギー関数を使用する。
FIFAは、パフォーマンスを維持しながら、正確な推論を5倍以上のスピード向上に置き換える一般的なアプローチである。
fifaは、正確な推論よりも優れた速度と正確さのトレードオフを提供する、anytime inferenceアルゴリズムである。
本研究は,FIFAを最先端のアクションセグメンテーション,アライメント,および完全教師付きアクションセグメンテーションに応用する。
FIFAは2つのアクションセグメンテーションデータセットのほとんどのメトリクスで最先端の結果を達成する。
関連論文リスト
- Weakly-Supervised Temporal Action Localization with Bidirectional
Semantic Consistency Constraint [83.36913240873236]
WTAL(Weakly Supervised Temporal Action Localization)は、ビデオの時間的境界を分類し、ローカライズすることを目的としている。
本研究では,双方向意味整合性制約 (Bi-SCC) という単純な手法を提案する。
実験結果から,THUMOS14とActivityNetの最先端手法よりも優れた結果が得られた。
論文 参考訳(メタデータ) (2023-04-25T07:20:33Z) - IBIA: An Incremental Build-Infer-Approximate Framework for Approximate
Inference of Partition Function [0.0]
分割関数の厳密な計算は難解であることが知られている。
近似推論のための新しいインクリメンタルなビルドインファー近似フレームワークを提案する。
このフレームワークはパーティション関数の効率的な計算に利用できることを示す。
論文 参考訳(メタデータ) (2023-04-13T09:40:23Z) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳(メタデータ) (2022-11-22T15:23:53Z) - Predicting Winning Regions in Parity Games via Graph Neural Networks
(Extended Abstract) [68.8204255655161]
グラフニューラルネットワークを用いてパリティゲームの勝利領域を決定するための不完全時間的アプローチを提案する。
これは、データセットの60%の勝利領域を正しく決定し、残りの領域で小さなエラーしか発生しない。
論文 参考訳(メタデータ) (2022-10-18T15:10:25Z) - Provably Efficient Fictitious Play Policy Optimization for Zero-Sum
Markov Games with Structured Transitions [145.54544979467872]
本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。
我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。
提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
論文 参考訳(メタデータ) (2022-07-25T18:29:16Z) - FIFA ranking: Evaluation and path forward [2.050873301895484]
現在使われているパラメータを分析し、そこから導出可能な形式的確率モデルを示し、後者を最適化する。
我々は、1970年に提案されたデービッドソンモデルが優れた候補となるフォーマルなモデリング原理に根ざしたアルゴリズムを仮定する。
その結果,ホームフィールド・アドバンテージとゲーム中のドローの明示的モデルを用いて,アルゴリズムの予測能力が顕著に向上していることが示唆された。
論文 参考訳(メタデータ) (2021-12-20T21:08:12Z) - Predicting the outcome of team movements -- Player time series analysis
using fuzzy and deep methods for representation learning [0.0]
我々は、より拡張された一連の動きや戦術計画において、短い戦術と宇宙占領の有用なエンコーディングのためのフレームワークを提供する。
本稿では,2015-16シーズンのプロバスケットボールSportVUデータセットにおける予測・認識タスクに対する提案手法の有効性について検討する。
論文 参考訳(メタデータ) (2021-09-13T18:42:37Z) - Temporally-Weighted Hierarchical Clustering for Unsupervised Action
Segmentation [96.67525775629444]
アクションセグメンテーションとは、ビデオにおける意味的に一貫した視覚概念の境界を推測することを指す。
ビデオ中のセグメンテーション動作に対して,トレーニングを必要としない完全自動かつ教師なしのアプローチを提案する。
提案手法は,ビデオの意味的に一貫性のあるフレームをグループ化できる効果的な時間重み付き階層クラスタリングアルゴリズムである。
論文 参考訳(メタデータ) (2021-03-20T23:30:01Z) - Unifying Instance and Panoptic Segmentation with Dynamic Rank-1
Convolutions [109.2706837177222]
DR1Maskは、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共有機能マップを利用する最初のパノプティクスセグメンテーションフレームワークである。
副産物として、DR1Maskは従来の最先端のインスタンスセグメンテーションネットワークであるBlendMaskよりも10%高速で1ポイント精度が高い。
論文 参考訳(メタデータ) (2020-11-19T12:42:10Z) - G-Elo: Generalization of the Elo algorithm by modelling the discretized
margin of victory [2.050873301895484]
ゲームポイント(ゴールなど)の観測値の違いを利用して,1対1のゲームにおける評価チーム(またはプレーヤ)の新たなアルゴリズムを開発する。
本研究の目的は,実装が簡単で直感的に理解できるEloスタイルのアルゴリズムを得ることである。
論文 参考訳(メタデータ) (2020-10-20T03:55:30Z)
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。