CVPRMay, 2021

利用 Jaccard 相似度测量将过去与未来相关联，预测人类行为

PDF
TL;DR提出一种早期行动识别和预测的框架，使用三种称为 Jaccard 向量相似性、Jaccard 交叉相关和 Jaccard Frobenius 内积的新相似性度量来关联过去的特征和未来的特征，利用这些创新的损失和我们的框架，在 UCF101 和 JHMDB 数据集中获得了 91.7％和 83.5％的准确性，在观察百分比 20 的情况下，类似地，我们在 Epic-Kitchen55 和 Breakfast 数据集中获得了 20.35 和 41.8 的 top-1 准确度，取得了最先进的结果。
early action recognitionanticipationsimilarity measuresjaccardstate-of-the-art
发现论文，激发创造
  • 预测未来：联合学习模型用于行动预测

    本篇论文提出了一种行动预测模型，受人类神经结构的启发，在预测未来视觉和时间表现方面，能够预测合理的未来行动，并证明使用视觉和时间语义的场景表示结合递归生成对抗网络 (GAN) 框架可以实现未来表现的表示综合，该模型在多个数据集上优于当前最先进的方法。

    Dec, 2019

  • 促进 LSTMs 早期预测动作

    本文提出了一种新的动作预测方法，该方法基于多阶段 LSTM 网络并运用上下文感知和动作感知特征以及引入了一种新的损失函数，可以在视频序列仅有少量片段的情况下实现高准确度的预测，并在多个公开数据集上超过了先前最优的动作预测方法，相对提升了 22.0％（JHMDB-21），14.0％（UT-Interaction），和 49.9％（UCF-101）的准确率。

    Mar, 2017

  • 通过预测未来动态图像来预测动作

    本文提出了一种使用动态图像和定制损失函数的生成模型来预测人类行为的方法，该方法在三个基准测试中相较于现有的最佳方法增强了 4% 至 5.2% 的预测准确性。

    Aug, 2018

  • 通过想象学习预测自我中心动作

    本论文衡量了自主驾驶和机器人等实际应用中关键领域的动作预测任务。为了更准确的预测未来的动作，提出利用未观察的帧的标志挖掘做出预测，利用 ImagineRNN 将动作预测分解为一系列未来功能预测，并通过代理任务和残差预测进一步改进模型。

    Jan, 2021

  • JOADAA：联合在线动作检测和动作预测

    通过结合动作预测和在线动作检测，我们提出了一种统一的模型 JOADAA，能够覆盖在线动作检测中未来信息的缺失依赖关系，并在 THUMOS'14、CHARADES 和 Multi-THUMOS 三个具有挑战性的数据集上取得了最优结果。

    Sep, 2023

  • 标签平滑的行动预测知识蒸馏

    本研究提出了一种基于 LSTM 网络的多模态框架，用于捕捉和模拟多标签的行动预测问题，并引入标签平滑的概念，以提高机器人技术在人机交互、辅助生活和自动驾驶等领域的预见性。

    Apr, 2020

  • 人类动作识别与预测：调查

    该论文综述了计算机视觉和机器学习在视频分析任务中的应用，重点介绍了动作识别和预测两个领域的现有技术、算法、数据集、评价标准及未来发展方向。

    Jun, 2018

  • 基于 RBF 核特征映射的 RNN 动作预测

    通过引入基于循环神经网络的新算法和三个有效的机器学习原则，即参数共享，径向基函数和对抗性训练，我们能够成功地实现未来视频特征生成和动作预测，并在行动预测方面获得了显著的进展。

    Nov, 2019

  • 利用动作共现先验检测人物 - 物体交互

    本文介绍了一种基于动作共现矩阵的技术来解决人 - 物交互检测中存在的样本不均衡问题，并且证明了该方法在稀有分类方面的效果优于当前最先进技术，适用于 HICO-Det 和 V-COCO 两个数据库。

    Jul, 2020

  • ACP++：人 - 物互动检测的动作共现先验

    本文主要研究人和物体之间的交互检测问题，解决了数据集不平衡带来的影响，通过动作共现矩阵来学习先验知识，进而提高训练效果。

    Sep, 2021