論文の概要: The SkatingVerse Workshop & Challenge: Methods and Results
- arxiv url: http://arxiv.org/abs/2405.17188v1
- Date: Mon, 27 May 2024 14:12:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-28 15:13:09.270636
- Title: The SkatingVerse Workshop & Challenge: Methods and Results
- Title(参考訳): SkatingVerse Workshop & Challenge: 方法と成果
- Authors: Jian Zhao, Lei Jin, Jianshu Li, Zheng Zhu, Yinglei Teng, Jiaojiao Zhao, Sadaf Gulshad, Zheng Wang, Bo Zhao, Xiangbo Shu, Yunchao Wei, Xuecheng Nie, Xiaojie Jin, Xiaodan Liang, Shin'ichi Satoh, Yandong Guo, Cewu Lu, Junliang Xing, Jane Shen Shengmei,
- Abstract要約: SkatingVerse Workshop & Challengeは、人間の行動理解のための新規で正確な方法の研究を促進することを目的としている。
SkatingVerse Challengeで使用されるデータセットが公開された。
世界中から参加する約10チームがSkatingVerse Challengeに出場した。
- 参考スコア(独自算出の注目度): 137.81522563074287
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The SkatingVerse Workshop & Challenge aims to encourage research in developing novel and accurate methods for human action understanding. The SkatingVerse dataset used for the SkatingVerse Challenge has been publicly released. There are two subsets in the dataset, i.e., the training subset and testing subset. The training subsets consists of 19,993 RGB video sequences, and the testing subsets consists of 8,586 RGB video sequences. Around 10 participating teams from the globe competed in the SkatingVerse Challenge. In this paper, we provide a brief summary of the SkatingVerse Workshop & Challenge including brief introductions to the top three methods. The submission leaderboard will be reopened for researchers that are interested in the human action understanding challenge. The benchmark dataset and other information can be found at: https://skatingverse.github.io/.
- Abstract(参考訳): SkatingVerse Workshop & Challengeは、人間の行動理解のための新規で正確な方法の研究を促進することを目的としている。
SkatingVerse Challengeで使用されるSkatingVerseデータセットが公開された。
データセットにはトレーニングサブセットとテストサブセットの2つのサブセットがある。
トレーニングサブセットは19,993RGBビデオシーケンスで構成され、テストサブセットは8,586RGBビデオシーケンスで構成されている。
世界中から参加する約10チームがSkatingVerse Challengeに出場した。
本稿では,SkatingVerse Workshop & Challengeの概要を紹介する。
提案されたリーダーボードは、人間の行動理解チャレンジに関心のある研究者のために再開される。
ベンチマークデータセットとその他の情報は、https://skatingverse.github.io/で見ることができる。
関連論文リスト
- Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。
合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
論文 参考訳(メタデータ) (2024-07-20T10:13:54Z) - 1st Place Solution to the 1st SkatingVerse Challenge [12.17968838503053]
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。
論文 参考訳(メタデータ) (2024-04-22T09:50:05Z) - OpenSUN3D: 1st Workshop Challenge on Open-Vocabulary 3D Scene Understanding [96.69806736025248]
本報告では,ICCV 2023とともに開かれたOpenSUN3D Workshop on Open-Vocabulary 3D Scene Understandingにおける課題の概要を紹介する。
論文 参考訳(メタデータ) (2024-02-23T13:39:59Z) - NTIRE 2023 Quality Assessment of Video Enhancement Challenge [97.809937484099]
NTIRE 2023 Quality Assessment of Video Enhancement Challengeについて報告する。
課題は、ビデオ処理分野における大きな課題、すなわち、強化されたビデオに対するビデオ品質評価(VQA)に対処することである。
参加者数は167名。
論文 参考訳(メタデータ) (2023-07-19T02:33:42Z) - Will You Dance To The Challenge? Predicting User Participation of TikTok
Challenges [2.2850019869312432]
本稿では、ユーザの参加を予測することによって、TikTok課題の社会的伝染を調査する。
本稿では,過去のビデオから潜在ユーザと課題表現を学習し,組み合わせるための新しいディープラーニングモデルであるDeepChallengerを提案する。
論文 参考訳(メタデータ) (2021-12-26T14:24:28Z) - ICDAR 2021 Competition on Scene Video Text Spotting [28.439390836950025]
シーンビデオテキストスポッティング(SVTS)は,多くの実環境応用のために非常に重要な研究課題である。
本稿では,SVTS コンペティションにおける ICDAR 2021 のデータセット記述,タスク定義,評価プロトコル,結果要約について述べる。
論文 参考訳(メタデータ) (2021-07-26T01:25:57Z) - LID 2020: The Learning from Imperfect Data Challenge Results [242.86700551532272]
Imperfect Dataワークショップからの学習は、新しいアプローチの開発に刺激を与え、促進することを目的としている。
我々は、弱教師付き学習環境における最先端のアプローチを見つけるために、3つの課題を編成する。
この技術的レポートは、課題のハイライトを要約している。
論文 参考訳(メタデータ) (2020-10-17T13:06:12Z) - The 1st Tiny Object Detection Challenge:Methods and Results [70.00081071453003]
1st Tiny Object Detection (TOD) Challengeは、広い視野を持つ画像における微小物体検出の新しい高精度な手法の開発を奨励することを目的としている。
TinyPersonデータセットはTOD Challengeに使用されており、公開されている。
論文 参考訳(メタデータ) (2020-09-16T07:01:38Z)
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。