論文の概要: 1st Place Solution to the 1st SkatingVerse Challenge
- arxiv url: http://arxiv.org/abs/2404.14032v1
- Date: Mon, 22 Apr 2024 09:50:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 14:35:57.060355
- Title: 1st Place Solution to the 1st SkatingVerse Challenge
- Title(参考訳): 1st SkatingVerse Challengeへの第1位ソリューション
- Authors: Tao Sun, Yuanzi Fu, Kaicheng Yang, Jian Wu, Ziyong Feng,
- Abstract要約: 本稿では,1stVerse Skating Challengeの優勝ソリューションを提案する。
我々は、DINOフレームワークを利用して、興味領域(ROI)を抽出し、生のビデオ映像の正確なトリミングを行う。
ログに基づいて予測結果をアンサンブルすることで、我々のソリューションは95.73%という印象的なリーダーボードスコアを得た。
- 参考スコア(独自算出の注目度): 12.17968838503053
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the winning solution for the 1st SkatingVerse Challenge. We propose a method that involves several steps. To begin, we leverage the DINO framework to extract the Region of Interest (ROI) and perform precise cropping of the raw video footage. Subsequently, we employ three distinct models, namely Unmasked Teacher, UniformerV2, and InfoGCN, to capture different aspects of the data. By ensembling the prediction results based on logits, our solution attains an impressive leaderboard score of 95.73%.
- Abstract(参考訳): 本稿では,第1回SkatingVerse Challengeの優勝ソリューションを提案する。
いくつかのステップを含む手法を提案する。
まず、DINOフレームワークを利用して、興味領域(ROI)を抽出し、生映像の正確なトリミングを行う。
その後、Unmasked Teacher、UniformerV2、InfoGCNという3つの異なるモデルを用いて、データのさまざまな側面をキャプチャする。
ログに基づいて予測結果をアンサンブルすることで、我々のソリューションは95.73%という印象的なリーダーボードスコアを得た。
関連論文リスト
- The First Pathloss Radio Map Prediction Challenge [59.11388233415274]
我々はICASSP 2023 First Pathloss Radio Map Prediction Challengeを立ち上げた。
本稿では,パスロス予測問題,提供データセット,課題課題,課題評価手法について概説する。
論文 参考訳(メタデータ) (2023-10-11T17:00:03Z) - Low-Resolution Action Recognition for Tiny Actions Challenge [52.4358152877632]
Tiny Actions Challengeは、現実世界の監視における人間の活動を理解することに焦点を当てている。
このシナリオでは、アクティビティ認識には2つの大きな困難がある。
本稿では,包括的認識ソリューションを提案する。
論文 参考訳(メタデータ) (2022-09-28T00:49:13Z) - Facial Action Unit Recognition With Multi-models Ensembling [0.0]
本稿では,ABAW(Affective Behavior Analysis in-the-wild)2022のコンペティションについて述べる。
改良されたIResnet100をバックボーンとして使用し、Aff-Wild2のAUデータセットを、プライベートAuと式データセットで事前訓練された3つのモデルとGlint360Kでトレーニングする。
論文 参考訳(メタデータ) (2022-03-24T12:50:02Z) - A Technical Report for ICCV 2021 VIPriors Re-identification Challenge [5.940699390639281]
本稿では,VIPriors Challenge 2021における再同定トラックの解について紹介する。
それは、最先端のデータ処理戦略、モデル設計、および後処理アンサンブルメソッドの使用を示しています。
チームの最終スコア(ALONG)は96.5154% mAPで、トップボードで1位となった。
論文 参考訳(メタデータ) (2021-09-30T14:29:31Z) - Two-Stream Consensus Network: Submission to HACS Challenge 2021
Weakly-Supervised Learning Track [78.64815984927425]
弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。
この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。
この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
論文 参考訳(メタデータ) (2021-06-21T03:36:36Z) - Unsupervised Pronoun Resolution via Masked Noun-Phrase Prediction [19.242433301351234]
Masked Noun-Phrase Prediction (MNPP) は完全に教師なしの環境で代名詞解決に取り組むための事前学習戦略である。
提案手法は,全データセットにおける従来の教師なし手法を大きなマージンで上回っている。
論文 参考訳(メタデータ) (2021-05-26T08:30:18Z) - NTIRE 2021 Challenge on Quality Enhancement of Compressed Video: Dataset
and Study [95.36629866768999]
本稿では, NTIRE 2021チャレンジの最先端手法について, 映像強調のための新しいデータセットを提案する。
この課題は、3つのコンペティション、数百の参加者、数十のソリューションで、この方向の最初のNTIREチャレンジです。
NTIRE 2021の課題は圧縮ビデオの品質向上の最先端技術であることがわかった。
論文 参考訳(メタデータ) (2021-04-21T22:18:33Z) - Single Image Super-Resolution [0.0]
本研究は, 単一画像超解像問題の時系列的概要を示す。
最初に問題を徹底的に定義し、深刻な課題をいくつか挙げる。
そして、問題定式化とパフォーマンス指標を定義します。
論文 参考訳(メタデータ) (2021-01-08T00:10:03Z) - Fast Template Matching and Update for Video Object Tracking and
Segmentation [56.465510428878]
私たちが取り組もうとしている主な課題は、フレームの列にまたがるマルチインスタンスの半教師付きビデオオブジェクトセグメンテーションである。
課題は、結果を予測するためのマッチングメソッドの選択と、ターゲットテンプレートを更新するかどうかを決定することである。
本稿では,これら2つの決定を同時に行うために,強化学習を利用する新しい手法を提案する。
論文 参考訳(メタデータ) (2020-04-16T08:58:45Z) - Top-1 Solution of Multi-Moments in Time Challenge 2019 [56.15819266653481]
一般的な画像に基づく行動認識手法であるTRN, TSN, TSMを用いて, 実験を行った。
高速かつ正確な認識に向けて,新しい時間的インターレースネットワークを提案する。
我々は上記の全てのモデルをアンサンブルし、検証セットで67.22%、テストセットで60.77%を獲得し、最終リーダーボードで1位となった。
論文 参考訳(メタデータ) (2020-03-12T15:11:38Z)
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。