Apr, 2024
基于动画的视频增强方法用于非连续视频的动作识别
An Animation-based Augmentation Approach for Action Recognition from Discontinuous Video
Xingyu Song, Zhan Li, Shi Chen, Xin-Qiang Cai, Kazuyuki Demachi
TL;DR研究表明，由于其在多个领域的广泛应用，动作识别研究近年来引起了相当大的关注。然而，关于不连续训练视频的问题仍然未得到充分探索，这不仅降低了动作识别模型的性能，还复杂化了数据增强过程。本研究介绍了一种创新的数据增强流程 ——4A（基于动画的动作增强方法），旨在解决该问题。我们的主要贡献包括：（1）我们调查了不连续视频对动作识别任务训练性能的严重降低问题，以及现有增强方法在解决此问题方面的局限性。（2）我们提出了一种新颖的增强流程 4A，以解决训练中不连续视频的问题，同时实现比最新的数据增强方法更平滑、更自然的动作表示。（3）通过采用我们的数据增强技术，我们仅需使用原始数据的 10％即可实现与来自现实世界数据集的全部数据训练相同的性能，并在野外视频上表现更好。