抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
人々を局所化し,ビデオから彼らの行動を認識することは,高レベルビデオ理解に向けた挑戦的なタスクである。エンティティ間の直接ペアワイズ関係のモデリングにより,最近の進歩が達成される。本論文では,ペア間のモデル直接関係だけでなく,複数の要素で確立された間接高次関係を考慮した。コンテキストとの相互作用に基づく2つのアクター間の関係であるActor-Contex-Actor Relationを明示的にモデル化することを提案する。この目的のために,空間時間行動局所化のための間接関係推論を可能にするために,新しい高次関係推論オペレータとActor-Contexテキスト特徴バンク上に構築するActor-Contex-Actor Relation Network(ACAR-Net)を設計した。AVAとUCF101-24データセットに関する実験は,アクター-コンテキスト-アクター関係のモデリングの利点を示し,注意マップの可視化は,著者らのモデルが行動検出をサポートするための関連高次関係を見つけることができることをさらに確認した。特に,著者らの方法は,活動Net Network 2020のAVA-Kineticsction局所化タスクにおいて,重要なマージン(+6.71mAP)によって他のエントリを凌駕する。訓練コードとモデルはhttps://github.com/Siyu C/ACAR Netで利用可能である。【JST・京大機械翻訳】