論文の概要: MASQ: Mask-Aware Spatiotemporal Quantization for Unsupervised Skeleton Action Segmentation
- arxiv url: http://arxiv.org/abs/2608.29891v1
- Date: Sun, 30 Aug 2026 16:40:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.099855
- Title: MASQ: Mask-Aware Spatiotemporal Quantization for Unsupervised Skeleton Action Segmentation
- Title（参考訳）: MASQ: 教師なし骨格アクションセグメンテーションのためのマスク対応時空間量子化
- Abstract要約: 非トリミング骨格に基づく時間的行動セグメンテーションは、長い教師なし配列における人間の行動を理解するための重要なタスクである。
近年のアプローチは、運動表現から行動境界を発見するために離散量子化に依存することが多い。
本研究では,新しいマスク対応時空間量子化フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.245685960209373
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unsupervised skeleton-based temporal action segmentation is a crucial task for understanding human behavior in long untrimmed sequences. Recent approaches often rely on discrete quantization to discover action boundaries from motion representations. However, when spatial masking is introduced for representation learning, it can introduce representation ambiguity, while discrete quantization further amplifies small fluctuations in the latent space. The interaction between these two factors often leads to unstable code switching and severe temporal jitter near action boundaries.To address these limitations, we propose a novel Mask-aware Action Spatiotemporal Quantization (MASQ) framework. Our framework decouples the conflicting tasks of spatial feature inference and temporal smoothing.In the spatial dimension, we introduce a Joint-Level Structured Dropout (JLSD) mechanism that masks the entire temporal trajectory of selected joints, to encourage the model to learn discriminative inter-joint coordination patterns. In the temporal dimension, we design a mask-aware velocity loss that enforces motion consistency only on visible joints, that prevents gradient conflicts caused by masked signals and stabilizing temporal predictions. Extensive experiments on three widely used skeleton datasets, including HuGaDB, LARa, and BABEL, demonstrate that the proposed MASQ framework significantly outperforms existing state-of-the-art unsupervised methods. In particular, our model establishes a comprehensive and substantial leading advantage in the Mean over Frames accuracy.
- Abstract（参考訳）: 無監督骨格に基づく時間的行動セグメンテーションは、長い不整合配列における人間の行動を理解するための重要なタスクである。
近年のアプローチは、運動表現から行動境界を発見するために離散量子化に依存することが多い。
しかし、表現学習のために空間マスキングを導入すると、表現のあいまいさを導入し、離散量子化は潜在空間の小さなゆらぎをさらに増幅する。
これらの2つの要因間の相互作用は、不安定なコードスイッチングや、動作境界付近の重度の時間ジッタにつながることが多いが、これらの制限に対処するために、新しいマスク対応時空間量子化(MASQ)フレームワークを提案する。
本研究では,空間的特徴推論と時間的平滑化の相反するタスクを分離し,空間的次元において,選択された関節の時間的軌道全体を覆い隠すJLSD(Joint-Level Structured Dropout)機構を導入し,識別的相互協調パターンの学習を促す。
時間的次元において、マスク付き信号による勾配の衝突を防止し、時間的予測を安定化させるため、可視関節のみに動きの一貫性を強制するマスク対応速度損失を設計する。
HuGaDB、LARa、BABELなど、広く使われている3つのスケルトンデータセットに関する大規模な実験は、提案されたMASQフレームワークが既存の最先端の教師なし手法を大幅に上回っていることを実証している。
特に,本モデルでは,フレームの精度に対して,包括的かつ実質的な優位性を確立している。
関連論文リスト
- SegDiff: Segmented Trajectory Diffusion for Consistent and Adaptive Robot Manipulation [65.81476183180527]
両パラダイムの長所を統合するクローズドループビズモータポリシであるSegDiffを紹介する。
SegDiffはデモをキーセグメンテーション間で動作セグメントに分解し、現在の状態から次のキーセグメンテーションまでの連続的な軌跡を予測することを学習する。
SegDiffは、さまざまなシミュレートされた実世界のシナリオにおいて、既存のアプローチよりも大きなパフォーマンス向上を示している。
論文 参考訳（メタデータ） (2026-07-13T02:48:03Z) - Hypergraph-State Collaborative Reasoning for Multi-Object Tracking [63.32950991964095]
複数の相関オブジェクト間の共同推論による動き推定を向上する協調推論フレームワークを提案する。
類似の運動状態を持つ物体同士を互いに拘束し、互いに洗練させることで、我々のフレームワークはノイズの軌道を安定させ、目標を遮蔽しても可塑性運動の連続性を推測する。
論文 参考訳（メタデータ） (2026-04-14T12:37:39Z) - Hierarchical Granularity Alignment and State Space Modeling for Robust Multimodal AU Detection in the Wild [12.893641381621459]
階層的粒度アライメントと状態空間モデルによって駆動される新しいマルチモーダルフレームワークを提案する。
従来の時間畳み込みネットワークの受容的フィールド制限を、ビジョン・マンバアーキテクチャを導入して克服する。
このアプローチにより、O(N)線形複雑性を伴う時間的モデリングが可能となり、性能劣化を伴わずに超長距離力学を効果的に捉えることができる。
論文 参考訳（メタデータ） (2026-03-11T21:05:59Z) - RainDiff: End-to-end Precipitation Nowcasting Via Token-wise Attention Diffusion [64.49056527678606]
本稿では,U-Net拡散モデルだけでなく,レーダ時間エンコーダにも統合されたトークンワイドアテンションを提案する。
従来の手法とは異なり,本手法は,画素空間拡散の典型的な高資源コストを発生させることなく,アーキテクチャに注意を集中させる。
実験と評価により,提案手法は複雑な降水予測シナリオにおいて,最先端の手法,ロバストネスの局所的忠実度,一般化,優位性を著しく上回ることを示した。
論文 参考訳（メタデータ） (2025-10-16T17:59:13Z) - Spatial Hierarchy and Temporal Attention Guided Cross Masking for Self-supervised Skeleton-based Action Recognition [4.036669828958854]
本研究では,空間的,時間的両面からスケルトン配列にマスキングを適用した階層構造と注意誘導型クロスマスキングフレームワーク(HA-CM)を提案する。
空間グラフでは、双曲空間を用いて関節の区別を維持し、高次元骨格の階層構造を効果的に維持する。
本研究では,高次元空間における距離の収束と大域的視点の欠如に対処するため,従来の距離指標をマスキングのための大域的注意に置き換える。
論文 参考訳（メタデータ） (2024-09-26T15:28:25Z) - Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。
従来の手法は手作りの機能と機械学習技術に依存している。
HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
論文 参考訳（メタデータ） (2023-08-02T12:04:28Z) - DIR-AS: Decoupling Individual Identification and Temporal Reasoning for
Action Segmentation [84.78383981697377]
完全な教師付きアクションセグメンテーションは、高密度アノテーションによるフレームワイドアクション認識に作用し、しばしば過剰なセグメンテーションの問題に悩まされる。
本研究では, 時間的ピラミッド拡張と時間的ピラミッドプールを併用して, 効率的なマルチスケールアテンションを実現するため, 新たなローカル・グローバルアテンション機構を開発した。
GTEAでは82.8%(+2.6%)、Breakfastでは74.7%(+1.2%)の精度を実現し,本手法の有効性を示した。
論文 参考訳（メタデータ） (2023-04-04T20:27:18Z) - Self-supervised Action Representation Learning from Partial
Spatio-Temporal Skeleton Sequences [29.376328807860993]
本研究では,異なる骨格関節とビデオフレームの局所的関係を利用した部分的時空間学習(PSTL)フレームワークを提案する。
提案手法は, NTURGB+D 60, NTURGBMM+D 120, PKU-Dのダウンストリームタスクにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2023-02-17T17:35:05Z) - Spatiotemporal Multi-scale Bilateral Motion Network for Gait Recognition [3.1240043488226967]
本稿では,光学的流れに動機づけられた両動方向の特徴について述べる。
動作コンテキストを多段階の時間分解能でリッチに記述する多段階の時間表現を開発する。
論文 参考訳（メタデータ） (2022-09-26T01:36:22Z) - A Spatial-Temporal Attentive Network with Spatial Continuity for
Trajectory Prediction [74.00750936752418]
空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。
まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。
第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
論文 参考訳（メタデータ） (2020-03-13T04:35:50Z)
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。