CVPRDec, 2019

在线动作检测信息区分学习

PDF
TL;DR介绍了一种在线行动检测方法，使用名为 Information Discrimination Unit（IDU）的新型循环单元来显式区分与当前操作相关的信息和其他信息，以学习更具辨别力的表示来鉴定当前操作，实验证明该方法在 TVSeries 和 THUMOS-14 两个基准数据集上的效果显著优于现有方法，并通过广泛的消融实验证明了循环单元的有效性。
online action detectionrecurrent networksinformation discrimination unitdiscriminative representationbenchmark datasets
发现论文，激发创造
  • 在线行动检测的信息辨析学习：分析与应用

    该研究提出了名为 Information Discrimination Unit（IDU）的循环单元以区分背景信息和感兴趣的动作信息，同时还提出了名为 Information Integration Unit（IIU）的循环单元用于动作预测，并在 TVSeries 和 THUMOS-14 数据集上取得了显著的性能提升。

    Sep, 2021

  • 在线动作检测的时序循环网络

    本文提出了一种新颖的框架 Temporal Recurrent Network (TRN) 来模拟视频帧的时间上下文，在线执行行动检测并预测即将发生的行动，实现了累积历史证据和预测未来信息相结合的在线识别方式，并在 HDD、TVSeries 和 THUMOS'14 三个数据集上进行评估，表明 TRN 的性能显著优于现有技术。

    Nov, 2018

  • 通过图像扩散过程进行动作检测

    通过 ADIDiff 框架的三图像生成过程，本研究旨在通过图像生成开始点、结束点和动作类别预测的图像来解决动作检测问题，并通过离散的行列转换器设计来处理特殊属性的图像，从而在两个广泛使用的数据集上取得了最先进的结果。

    Apr, 2024

  • 在线动作检测

    该研究针对在线动作检测问题，提出了一个基于现实数据的真实数据集，并通过分析多种基准方法以及评价协议，展示该问题具有挑战性，为后续在线动作检测研究提供了数据和模型。

    Apr, 2016

  • 动作检测的结构化模型

    本篇论文提出了一种增强标准 I3D 网络的算法，通过添加跟踪模块和图卷积网络结构，将领域知识融入模型，并在活动行为检测中获得了更好的结果表现。

    Dec, 2018

  • 用于 3D 视频中动作识别的双流 RNN/CNN

    本论文提出了一种通过将循环神经网络和卷积神经网络相结合运用于动作识别的算法，通过 SVM 对特征进行分类，实验结果表明，在标准数据集上，该算法提高了 14% 的识别率。

    Mar, 2017

  • 在线动作检测的特权知识蒸馏

    本文提出了一种基于特权信息学习的在线动作检测框架，其中包括知识蒸馏方法和 Privileged Knowledge Distillation (PKD) 方法，以缩小信息差并提高学习性能，并在两个常用的 OAD 基准测试 TVSeries 和 THUMOS14 上取得了当前最佳性能.

    Nov, 2020

  • 视频帧瞥片段的端到端动作检测学习

    该研究提出了一种直接预测动作时间边界的完全端到端的方法，其中模型作为一个基于循环神经网络的智能体与视频交互，并使用 REINFORCE 来学习决策策略，取得了 THUMOS'14 和 ActivityNet 数据集的最先进结果。

    Nov, 2015

  • 动作识别的记忆增强时序动态学习

    提出了一种记忆增强的时间动态学习网络，利用差分记忆控制器将最显著的信息写入外部存储器，并忽略不相关的信息，增强了动作识别的效果。

    Apr, 2019

  • 动态推理：一种新的高效视频动作识别方法

    本文提出了一种动态推断方法，从网络深度和输入视频帧数的角度来提高推断效率，通过在输入帧和计算图的深度之间建立将预测模块放置在预先选择的检查点上，并按照预定义的路径逐步在网格上进行推断，可在中途进行预测和提前停止。通过实例化三个动态推断框架并使用两个知名的骨干卷积神经网络，证明了新方法的优越性。

    Feb, 2020