文献

J-GLOBAL ID：202002233657692228   整理番号：20A2472238

時間的アクション提案生成のための境界コンテンツグラフニューラルネットワーク【JST・京大機械翻訳】

Boundary Content Graph Neural Network for Temporal Action Proposal Generation

著者 (6件)： Bai Yueran (Key Laboratory of Machine Perception (MOE), School of EECS, Peking University, Beijing, China) ,  Wang Yingying (iQIYI, Inc., Beijing, China) ,  Tong Yunhai (Key Laboratory of Machine Perception (MOE), School of EECS, Peking University, Beijing, China) ,  Yang Yang (iQIYI, Inc., Beijing, China) ,  Liu Qiyue (iQIYI, Inc., Beijing, China) ,  Liu Junhui (iQIYI, Inc., Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12373  ページ： 121-137  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 時間的行動提案生成は,ビデオ行動理解において重要な役割を果たし,それは高精度な動作内容を正確に局所化することを必要とする。しかし,正確な境界と高品質な作用量の両方を有する時間的提案の生成は非常に困難である。この問題に取り組むために,グラフニューラルネットワークによる時間的提案の境界と行動内容の間の洞察的関係をモデル化するために,新しい境界コンテンツグラフニューラルネットワーク(BC-GNN)を提案した。BC-GNNにおいて,時間的提案の境界と内容を,それぞれグラフニューラルネットワークのノードとエッジとして取り上げ,そこでそれらは自発的にリンクする。次に,エッジとノードの特徴を更新するために,新しいグラフ計算操作を提案した。その後,1つの更新エッジと2つのノードを接続し,境界確率とコンテンツ信頼スコアを予測し,最終高品質提案を生成する。実験は,2つの主流データセット:活性Net-1.3とTHUMOS14で行った。ベルと whistなしで,BC-GNNは,時間的行動提案と時間的行動検出タスクの両方で,以前の最先端技術より優れている。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  録画装置 ,  作用量 ,  *コンテンツ ,  高精度 ,  高品質
準シソーラス用語： 最先端技術 , 【Automatic Indexing@JST】

著者キーワード (3件)： 時間的行動提案生成 ,  グラフニューラルネットワーク ,  時間的行動検出

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： アクション ,  提案 ,  境界 ,  コンテンツ ,  グラフニューラルネットワーク