IJCAIJun, 2020

ARID: 识别黑暗中动作的新数据集

PDF
TL;DR本文介绍了新采集的 Action Recognition in the Dark（ARID）数据集，用于行为识别。研究分析了该数据集，并评估了当前行为识别模型及框架增强方法对于暗视频识别的效果。结果表明，现有的行为识别模型和框架增强方法不适用于暗视频的行为识别任务。
发现论文，激发创造
  • 在暗环境中深入识别行动：全面基准研究

    本文介绍如何提高略带挑战的情况下识别黑暗环境下的运动的能力，我们介绍了 UG2+ Challenge，这是一个针对 AR 在黑暗场景下的模型鲁棒性评估比赛，提出了第一个用于黑暗视频 AR 任务的数据集 ARID dataset，报道了基准结果并分析挑战性，并总结了参赛队伍的解决方案以及他们的进展和方向。

    Feb, 2022

  • IndGIC：低照度条件下的监督动作识别

    在这篇论文中，我们提出了一种使用深度多输入网络的行为识别方法，并且还提出了一种独立伽马强度校正（Ind-GIC）来增强贫光照视频，通过生成一个伽马值来提高增强性能。通过与现有方法的评估和比较，实验结果表明我们的模型在 ARID 数据集上取得了高准确度。

    Aug, 2023

  • AViD 数据集：来自多个国家的匿名视频

    我们介绍一个新的公共视频数据集 AViD，包含来自许多不同国家的行为视频，通过对人脸身份进行匿名化保护其隐私，并能很好地用于模型预训练和行为识别。

    Jul, 2020

  • DL-KDD: 暗光条件下行动识别的双光知识蒸馏

    我们提出了一种新颖的师生视频分类框架 DL-KDD，它能够在不引入额外计算成本的情况下，从原始和增强视频中学习，通过知识蒸馏策略训练师傅模型和学生模型，使学生模型在推理过程中仅使用原始输入视频来预测动作，实验证实了这种蒸馏策略在暗光环境下人体动作识别中的有效性。

    Jun, 2024

  • 基于 RGB-D 的动作识别数据集：调查

    本文系统回顾了人类动作识别中使用的 RGB-D 数据集，包括单视图、多视图和多人数据集，并分析了这些数据集的详细信息。此外，还讨论了当前算法评估中存在的问题，提出了收集新数据集和使用评估协议的建议。

    Jan, 2016

  • 面向任意视角人体动作识别的大规模多视角 RGB-D 动作数据集

    本文介绍了一个新的大规模 RGB-D 数据集，其中包括固定视角和全方位视角下的 40 种行动，以及 VS-CNN 模型的提出和有效性验证，该模型可用于解决任意视角下行动识别的问题。

    Apr, 2019

  • 人体动作识别的多视点室外数据集

    该论文提供了一个从多个角度观测人类行为的数据集，并在两流卷积神经网络结构配合核排名汇总的方法下获得了 74.0% 的动作识别准确率。

    Oct, 2021

  • 环境对抗域自适应动作识别

    本文提出了一种基于领域自适应的行为识别方法，使用对抗学习在跨域场景中学习跨域动作识别，从而实现对低光条件下的人类行为进行识别，并在 InFAR 和 XD145 动作数据集上取得了 SOTA 表现。

    Oct, 2022

  • 语言和视觉任务中的动作识别数据集分析

    针对自然语言与视觉任务融合的多个数据集和方法的持续爆炸性增长的问题研究，本篇综述将现有的行动识别方法按照它们如何概念化这个问题进行分类，并详细评述现有的数据集及其多样性、优缺点。 重点关注最近开发的数据集，它们将视觉信息与语言资源联系起来，并对图像中的动作进行细粒度的语法和语义分析。

    Apr, 2017

  • 动作识别：从静态数据集到移动机器人

    通过利用 “提议（proposals）” 方法生成行为区域的模型训练，能够在无约束视频中实现人的行为识别，无论是否存在摄像头运动；该方法在两个新的数据集中取得了超越最先进技术的性能，同时在异常行为检测场景中取得较高的成功率。

    Jan, 2017