CVPRFeb, 2020

基于集合约束的 Viterbi 算法进行基于集合监督的动作分割

PDF
TL;DR该论文介绍了一种新的基于 HMM 的弱监督行为分割框架，其中提出了一种新的 Viterbi 算法和特征 affinities 的正则化方法来提高算法性能。
weakly supervised learningaction segmentationhmmviterbi-based lossregularization
发现论文，激发创造
  • 基于 Anchor 约束的集合监督动作分割 Viterbi 算法

    本文介绍了一种用于动作分段的弱监视训练方法，通过多层感知器和隐马尔可夫模型生成虚拟标注视频帧，使用锚点约束维特比算法生成伪标注数据，且在比较三个数据集的表现时相对于过去的方法有了更好的表现

    Apr, 2021

  • SCT: 基于集合限制的时间变换器用于集合监督动作分割

    本文提出了一种弱监督学习的端到端方法，将视频分成小的时间段，并预测每个时间段的动作标签及其长度。通过测量时间段与注释动作标签之间的一致性，该方法可学习将视频划分为类一致的区域，并在三个数据集上实现了最先进的结果。

    Mar, 2020

  • 弱监督下无序动作分割的动作集

    该研究论文介绍了一种弱监督的行为检测和时间分割方法，利用被动数据采集到的行为集合训练模型，以实现自动的视频行为分割和标注。

    Jun, 2017

  • 弱监督时序动作分割的混合 RNN-HMM 方法

    提出了一种层次化方法，通过结构化识别来解决从有序动作标签中弱监督学习人类动作的问题，并将一帧 RNN 模型与粗略概率推理相结合，以实现长序列的时间对齐和迭代训练。

    Jun, 2019

  • 使用互相一致性进行快速弱监督行动分割

    本文提出一种基于双分支神经网络的弱监督动作分割方法，并提出了一种新的相互一致性损失（MuCon）来保证分割的一致性，结合文本预测损失达到了当前最新技术方法的准确率，且训练时间快了 14 倍，推理时间快了 20 倍，同时证明了 MuCon 损失在全监督设置下也有益处。

    Apr, 2019

  • 使用迭代软边界分配的弱监督动作分割

    本文提出了一种新的行为建模框架，包括一种名为 Temporal Convolutional Feature Pyramid Network（TCFPN）的新型时态卷积网络和一种名为 Iterative Soft Boundary Assignment（ISBA）的新型弱监督序列建模训练策略，用于进行长且未修剪的视频中的弱监督人类行为分割。 并以 Breakfast 和 Hollywood Extended 这两个基准数据集进行评估，实验结果表明，其方法达到了与最先进方法相当或更好的性能。

    Mar, 2018

  • 基于能量的弱监督学习用于行动分割

    本文提出了一种新的有约束区分前向损失（CDFL）方法，应用于训练视频中基于门控循环单元（GRU）的隐马尔可夫模型（HMM）框架下的视频帧动作分类。该方法有效提高了行动分割和校准的准确性。

    Sep, 2019

  • 无监督行动分割的 Action Shuffle 交替学习

    本文介绍了一种使用自监督学习和 RNN/HMM 算法实现无监督动作分割的方法，该方法优于现有技术在多个数据集上的表现。

    Apr, 2021

  • 神经网络维特比算法：弱监督视频学习框架

    本文提出了一种基于 Viterbi 损失的学习算法，能够在线和逐步地学习弱标注的视频数据，并展示了显式的上下文和长度建模对于视频分割和标记任务的巨大改进，并将这些模型纳入我们的框架之中，在几个动作分割基准测试中，与当前最先进的方法相比，我们实现了高达 10% 的改进。

    May, 2018

  • 在有序约束条件下的视频弱监督动作标记

    本文介绍了一种基于弱监督时序标注的视频动作分类方法，将视频分为多个时间间隔并为每个时间间隔分配一个动作标签，以实现动作时序的定位，并学习每个动作的鉴别器。通过新的数据集对该方法进行了测试。

    Jul, 2014