Fugu-MT 論文翻訳(概要): A Survey on Deep Learning Techniques for Action Anticipation

論文の概要: A Survey on Deep Learning Techniques for Action Anticipation

arxiv url: http://arxiv.org/abs/2309.17257v1
Date: Fri, 29 Sep 2023 14:07:56 GMT
ステータス: 処理完了
システム内更新日: 2023-10-02 13:32:38.888879
Title: A Survey on Deep Learning Techniques for Action Anticipation
Title（参考訳）: 行動予測のための深層学習技術に関する調査研究
Authors: Zeyun Zhong, Manuel Martin, Michael Voit, Juergen Gall, J\"urgen Beyerer
Abstract要約: 本稿では,近年の行動予測アルゴリズムの進歩を概観する。我々はこれらの手法を主要な貢献に応じて分類し、それらを表形式で要約する。我々は、アクション予測に使用される一般的な評価指標とデータセットを掘り下げ、体系的な議論で将来の方向性を提供する。
参考スコア（独自算出の注目度）: 12.336150312807561
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The ability to anticipate possible future human actions is essential for a wide range of applications, including autonomous driving and human-robot interaction. Consequently, numerous methods have been introduced for action anticipation in recent years, with deep learning-based approaches being particularly popular. In this work, we review the recent advances of action anticipation algorithms with a particular focus on daily-living scenarios. Additionally, we classify these methods according to their primary contributions and summarize them in tabular form, allowing readers to grasp the details at a glance. Furthermore, we delve into the common evaluation metrics and datasets used for action anticipation and provide future directions with systematical discussions.
Abstract（参考訳）: 将来の人間の行動を予測する能力は、自律運転や人間とロボットの相互作用を含む幅広い応用に不可欠である。その結果,近年,深層学習に基づくアプローチが特に普及し,行動予測のための手法が数多く導入されている。本稿では,日々の生活シナリオに着目した行動予測アルゴリズムの最近の進歩を概観する。さらに,これらの手法を主要な貢献度に応じて分類し,表形式で要約し,読者が一目で詳細を把握できるようにする。さらに,行動予測に使用される共通評価指標とデータセットを考察し,今後の方向性について系統的な議論を行う。

関連論文リスト

Human Action Anticipation: A Survey [86.415721659234]
行動予測に関する文献は、行動予測、活動予測、意図予測、目標予測など、様々なタスクにまたがる。我々の調査は、この断片化された文献を結びつけることを目的としており、最近の技術革新とモデルトレーニングと評価のための新しい大規模データセットの開発をカバーしています。
論文参考訳（メタデータ） (2024-10-17T21:37:40Z)
Recent Advances in Deterministic Human Motion Prediction: A Review [2.965405736351051]
人動予測技術は、人間とコンピュータの相互作用、自律運転、スポーツ分析、人的追跡など、様々な分野で徐々に普及してきた。この記事では、それぞれの利点とデメリットとともに、このドメインの共通モデルアーキテクチャを紹介します。また、最近の研究革新を体系的に要約し、これらの分野における関連論文の詳細な議論に焦点を当てている。
論文参考訳（メタデータ） (2023-12-11T07:54:42Z)
Machine Learning for Autonomous Vehicle's Trajectory Prediction: A comprehensive survey, Challenges, and Future Research Directions [3.655021726150368]
AVの文脈における軌道予測に関する200以上の研究について検討した。本総説では,いくつかの深層学習手法を総合的に評価する。既存の文献の課題を特定し,潜在的研究の方向性を概説することにより,AV軌道予測領域における知識の進歩に大きく貢献する。
論文参考訳（メタデータ） (2023-07-12T10:20:19Z)
Recent Advances of Deep Robotic Affordance Learning: A Reinforcement Learning Perspective [44.968170318777105]
ディープ・ロボティクス・アベイランス・ラーニング(DRAL)は、ロボットのタスクを支援するために、アベイランスの概念を使用するデータ駆動の手法を開発することを目的としている。まず、これらの論文を強化学習(RL)の観点から分類し、RLと余裕の関連性を引き出す。最後に、任意のアクション結果の予測を含むために、RLに基づくアベイランス定義の将来的な方向性を提案する。
論文参考訳（メタデータ） (2023-03-09T15:42:01Z)
A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
論文参考訳（メタデータ） (2022-04-02T21:50:45Z)
Continuous Human Action Recognition for Human-Machine Interaction: A Review [39.593687054839265]
入力ビデオ内のアクションを認識することは難しいが、リアルタイムの人間と機械のインタラクションを必要とするアプリケーションに必要なタスクである。我々は,ほとんどの最先端手法で使用される特徴抽出と学習戦略について述べる。実世界のシナリオへのそのようなモデルの適用について検討し、いくつかの制限と研究の方向性について論じる。
論文参考訳（メタデータ） (2022-02-26T09:25:44Z)
Self-Supervised Representation Learning: Introduction, Advances and Challenges [125.38214493654534]
自己教師付き表現学習手法は、大きな注釈付きデータセットを必要とせずに強力な機能学習を提供することを目的としている。本稿では、この活気ある領域について、鍵となる概念、アプローチの4つの主要なファミリーと関連する技術の状態、そして、データの多様性に自己監督手法を適用する方法について紹介する。
論文参考訳（メタデータ） (2021-10-18T13:51:22Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
Long-Term Anticipation of Activities with Cycle Consistency [90.79357258104417]
本稿では,観察されたフレームの特徴から直接将来の活動を予測し,エンドツーエンドで学習するフレームワークを提案する。我々のフレームワークは、Breakfastデータセットと50Saladsという2つのデータセットで最先端の結果を達成する。
論文参考訳（メタデータ） (2020-09-02T15:41:32Z)
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。