Apr, 2023

视频活动定位的边界去噪

PDF
TL;DR提出了一种称为 DenoiseLoc 的编码器 - 解码器模型，从去噪的角度研究了视频活动定位问题，通过边界去噪来预测具有精确边界的活动，能够提高准确性和收敛速度，并在多个视频活动理解任务上取得了最先进的性能。
video activity localizationtemporal action detectionhighlight generationdenoisingencoder-decoder model
发现论文，激发创造
  • 带有时间边界不确定性的视频活动定位

    本文提出 Elastic Moment Bounding (EMB) 和 guided attention 机制，解决了视频活动定位训练时时间标注的不确定性问题，提高了在自然视频中的准确性和鲁棒性。

    Jun, 2022

  • 穿越时间：视频活动的有效定位

    本文介绍了一种基于强化学习的视频定位技术，使用文本和视频的精细特征表示来准确定位语言查询中的片段，并仅浏览整个视频的 32-41% 以节约处理时间。

    Apr, 2019

  • 学习显著边界特征以实现无锚定时间行为定位

    本文提出了第一个完全基于无锚点的时间定位方法，该模型通过使用一种基本的可训练推荐器、一个基于显着性的细化模块以及若干一致性约束来实现。实验证明，我们的方法在 THUMOS14 上击败了所有锚点和动作导向方法，取得了最先进的结果，在 ActivityNet v1.3 上取得了可比较的结果。

    Mar, 2021

  • D2-Net: 通过判别嵌入和去噪激活进行弱监督行动定位

    本文提出了一种名为 D2-Net 的弱监督时间动作本地化框架，其尝试使用视频级监督来对动作进行时间定位。其中，我们的创新主要体现在引入了一个新的损失函数，该函数通过联合增强潜在嵌入的可区分性和输出时间类别激活的鲁棒性，从而应对弱监督引起的前景背景噪声。通过综合多个基准测试数据，包括 THUMOS14 和 ActivityNet1.2，我们的 D2-Net 方法在所有数据集上表现良好，其 mAP 在 IoU = 0.5 时可以达到 2.3% 的提高。

    Dec, 2020

  • 通过图像查询在视频中定位未见过的活动

    该研究提出了一个基于图像查询的自我注意力交互定位器实现在未剪辑视频中定位未知活动的方法，并对 ActivityNet 数据集进行了重新组织，实验表明该方法的有效性。

    Jun, 2019

  • 使用多阶段 CNN 在未修剪的视频中进行时间动作定位

    本研究提出了一种基于三种分段 3D 卷积神经网络的方法，用于解决未经修剪的长视频中的时间动作定位问题，其中提出网络用于识别可能包含动作的候选段，分类网络以一对多动作分类模型进行学习以作为定位网络的初始化，用于定位每个动作实例。

    Jan, 2016

  • 视频时间定位的边界敏感预训练

    本文首次探讨采用边界敏感预训练任务的方式进行时间定位的模型预训练，并在多个时间定位任务上实现了新的最先进性能，证明了该方法的有效性。

    Nov, 2020

  • 追求时间准确性的通用活动检测

    本文提出了一种通用的框架，利用新颖的提案方案和级联分类管道从未修剪的视频中准确检测各种活动，超越了现有最先进方法在 THUMOS14 和 ActivityNet 数据集上的表现。

    Mar, 2017

  • 密度引导的标签平滑用于驾驶动作的时空定位

    提出了一种基于视频动作识别网络的时间定位方法，通过分析边界视频段和多个摄像头视角的信息，实现了对驾驶行为的准确定位和场景级别预测。

    Mar, 2024

  • 面向弱监督时序活动定位的对抗感知背景损失

    本文提出了一种新的基于弱监督学习的时间活动定位方法 A2CL-PT，通过使用两个三元组来学习每个活动类别的区分特征和每个视频中活动相关特征与背景特征的区分特征，以此增强识别无活动发生时的性能并提高精度，实验证明该方法有效，特别是在 THUMOS14 数据集上平均 IoU 阈值从 0.1 到 0.9 的平均 mAP 得分从 27.9％提高到 30.0％。

    Jul, 2020