文献

J-GLOBAL ID：201702282925251542   整理番号：17A1773609

ビデオのための長期運動動力学の教師なし学習【Powered by NICT】

Unsupervised Learning of Long-Term Motion Dynamics for Videos

著者 (5件)： Luo Zelun ,  Peng Boya ,  Huang De-An ,  Alahi Alexandre ,  Fei-Fei Li
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 7101-7110  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ビデオにおける運動依存性をコードするコンパクトことを教師なし表現学習アプローチを提案した。ビデオクリップからの画像の対が与えられた時,提案フレームワークは,長期3D運動を予測するために学習する。学習フレームワークの複雑さを低減するために,RGB-D法を用いて計算した原子の3次元流の配列として運動を記述することを提案した。流のこれらの配列を予測するためのリカレントニューラルネットワークに基づくエンコーダ-デコーダ枠組みを使用した。復号器のためのこれらの配列を再構成するために,符号器は長期運動依存性と空間的-時間的関係を捕捉するロバストなビデオ表現を学習しなければならないことを論じた。NTU RGB+DとMSR日常行動3Dのような複数のモダリティとデータセットを横切る活性分類に関する我々の学習された時間表現の有効性を示した。本フレームワークは任意の入力様式,すなわち,RGB,深さ,とRGB Dビデオに包括的なものである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 三次元 ,  画像 ,  再構成 ,  *教師なし学習 ,  三次元流 ,  *学習 ,  ロバスト性 ,  *録画装置 ,  符号器 ,  復号器
準シソーラス用語： モダリティ ,  リカレントニューラルネットワーク ,  ビデオクリップ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ビデオ ,  長期運動 ,  動力学 ,  教師なし学習