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

• FinePseudo: Improving Pseudo-Labelling through Temporal-Alignablity for Semi-Supervised Fine-Grained Action Recognition [57.17966905865054]
  実生活における行動認識の応用は、しばしば微妙な動きのきめ細かい理解を必要とする。 既存の半教師ありアクション認識は主に粗いアクション認識に焦点を当てている。 そこで我々は,微粒なアクションペアの識別を効果的に行うための,アライナビリティ検証に基づくメトリック学習手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T20:08:06Z)
• Efficient Temporal Action Segmentation via Boundary-aware Query Voting [51.92693641176378]
  BaFormerは境界対応のTransformerネットワークで、各ビデオセグメントをインスタンストークンとしてトークン化する。 BaFormerは実行時間の6%しか利用せず、計算コストを大幅に削減する。
  論文  参考訳（メタデータ） (2024-05-25T00:44:13Z)
• 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)
• ApproxED: Approximate exploitability descent via learned best responses [61.17702187957206]
  連続的なアクションセットを持つゲームの近似的ナッシュ均衡を求める問題について検討する。 本稿では,戦略プロファイルに対するエクスプロイラビリティの近似を最小化する2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-01-20T23:55:30Z)
• 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)
• 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)
• 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。