Fugu-MT 論文翻訳(概要): Panoramic Human Activity Recognition

論文の概要: Panoramic Human Activity Recognition

arxiv url: http://arxiv.org/abs/2203.03806v1
Date: Tue, 8 Mar 2022 02:00:17 GMT
ステータス: 処理完了
システム内更新日: 2022-03-09 13:29:50.804973
Title: Panoramic Human Activity Recognition
Title（参考訳）: パノラマ性ヒト活動認識
Authors: Ruize Han, Haomin Yan, Jiacheng Li, Songmiao Wang, Wei Feng, Song Wang
Abstract要約: 我々は,多粒性人間活動の表現とモデル化を行う,新しい階層型グラフニューラルネットワークを開発した。この問題の研究を促進するため、ソースコードとベンチマークを一般向けに公開します。
参考スコア（独自算出の注目度）: 18.38523753680367
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To obtain a more comprehensive activity understanding for a crowded scene, in this paper, we propose a new problem of panoramic human activity recognition (PAR), which aims to simultaneous achieve the individual action, social group activity, and global activity recognition. This is a challenging yet practical problem in real-world applications. For this problem, we develop a novel hierarchical graph neural network to progressively represent and model the multi-granularity human activities and mutual social relations for a crowd of people. We further build a benchmark to evaluate the proposed method and other existing related methods. Experimental results verify the rationality of the proposed PAR problem, the effectiveness of our method and the usefulness of the benchmark. We will release the source code and benchmark to the public for promoting the study on this problem.
Abstract（参考訳）: そこで本研究では,パノラマ的人間行動認識(PAR)の課題として,個人行動,社会集団活動,グローバル活動認識の同時実現を目的とした,より包括的活動理解手法を提案する。これは現実世界のアプリケーションでは難しいが実用的な問題である。そこで本研究では,多粒性人間活動と集団の相互関係を段階的に表現し,モデル化する階層型グラフニューラルネットワークを開発した。さらに,提案手法および他の既存手法を評価するベンチマークを構築した。提案するpar問題の合理性,提案手法の有効性,ベンチマークの有用性を実験的に検証した。この問題の研究を促進するため、ソースコードとベンチマークを一般向けに公開します。

関連論文リスト

Constrained Human-AI Cooperation: An Inclusive Embodied Social Intelligence Challenge [47.74313897705183]
CHAICは、インボディードエージェントの社会的知覚と協力をテストするために設計された包括的インボディード・ソーシャル・インテリジェンス・チャレンジである。 CHAICの目標は、身体的制約の下で活動している可能性がある人間を支援するために、自我中心の観察装置を備えたエンボディエージェントである。我々は,この課題に対する計画ベースラインと学習ベースラインのベンチマークを行い,大規模言語モデルと行動モデリングを活用した新しい手法を提案する。
論文参考訳（メタデータ） (2024-11-04T04:41:12Z)
Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文参考訳（メタデータ） (2024-10-15T07:35:51Z)
Social Motion Prediction with Cognitive Hierarchies [19.71780279070757]
我々は新しいベンチマーク、新しい定式化、認知に触発されたフレームワークを紹介する。 We present Wusi, a 3D multi-person motion data under the context of team sports。戦略的社会的相互作用を予測するための認知階層構造を構築した。
論文参考訳（メタデータ） (2023-11-08T14:51:17Z)
Group Activity Recognition in Computer Vision: A Comprehensive Review, Challenges, and Future Perspectives [0.0]
グループ活動認識はコンピュータビジョンにおけるホットトピックである。グループ関係を通じた活動の認識はグループ活動認識において重要な役割を担っている。本研究は,グループ活動の認識における技術進歩について考察する。
論文参考訳（メタデータ） (2023-07-25T14:44:41Z)
Human Activity Recognition Using Cascaded Dual Attention CNN and Bi-Directional GRU Framework [3.3721926640077795]
視覚に基づく人間の活動認識は、ビデオ分析領域において重要な研究領域の1つとして現れてきた。本稿では,人間の行動認識における深部識別的空間的特徴と時間的特徴を利用した,計算的に効率的だが汎用的な空間時空間カスケードフレームワークを提案する。提案手法は, 従来の動作認識手法と比較して, フレーム毎秒最大167倍の性能向上を実現している。
論文参考訳（メタデータ） (2022-08-09T20:34:42Z)
Recent Progress in Appearance-based Action Recognition [73.6405863243707]
アクション認識は、ビデオ内の様々な人間の行動を特定するタスクである。最近の外見に基づく手法は、正確な行動認識に向けて有望な進歩を遂げている。
論文参考訳（メタデータ） (2020-11-25T10:18:12Z)
LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
論文参考訳（メタデータ） (2020-07-31T00:13:54Z)
Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文参考訳（メタデータ） (2020-07-07T17:19:56Z)
Human Activity Recognition based on Dynamic Spatio-Temporal Relations [10.635134217802783]
1つの人間の行動の記述と、連続する人間の行動の進化のモデル化は、人間の活動認識における2つの主要な問題である。これら2つの課題に対処する人間行動認識手法を開発した。
論文参考訳（メタデータ） (2020-06-29T15:49:34Z)
Simultaneous Learning from Human Pose and Object Cues for Real-Time Activity Recognition [11.290467061493189]
本研究では,人間の行動にかかわるポーズや物体の観察から同時に学習することで,人間の行動認識に対する新しいアプローチを提案する。提案手法は従来の手法より優れ,104Hzの処理速度で人間の行動認識のリアルタイム性能を得る。
論文参考訳（メタデータ） (2020-03-26T22:04:37Z)
Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。