空間-時間行動位置決めのためのアクター-コンテキスト-アクター関係ネットワーク【JST・京大機械翻訳】

Pan Junting; Chen Siyu; Shou Mike Zheng; Liu Yu; Shao Jing; Li Hongsheng

プレプリント

J-GLOBAL ID：202202212417497686 整理番号：21P0035554

空間-時間行動位置決めのためのアクター-コンテキスト-アクター関係ネットワーク【JST・京大機械翻訳】

Actor-Context-Actor Relation Network for Spatio-Temporal Action Localization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年06月14日プレプリントサーバーでの情報更新日： 2021年04月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , ,
, , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般 , パターン認識

, ,

前のページに戻る