时序动作定位 | AUMN：弱监督时间动作定位的动作单元记忆网络（CVPR 2021）

已于 2023-11-09 14:14:07 修改
阅读量517 收藏
点赞数
分类专栏： 视频动作定位 文章标签： 计算机视觉 深度学习 人工智能 视频 机器学习
于 2022-08-10 16:18:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LiRongLu_/article/details/126268892
版权
本文介绍了AUMN，一种基于深度学习的弱监督时间动作定位技术，应用于计算机视觉和人工智能领域，特别是视频分析。通过动作单元记忆网络，AUMN在缺乏精确边界信息的情况下也能有效地识别和定位视频中的动作。
摘要由CSDN通过智能技术生成

Action Unit Memory Network for Weakly Supervised Temporal Action Localization

编程日记✧
关注
专栏目录
订阅专栏
时序动作定位｜从点学习动作完整性的弱监督时序动作定位（ICCV 2021）
LiRongLu_的博客
07-09 479
关于Learning Action Completeness from Points for Weakly-supervised Temporal Action Localization论文学习首先，选择伪背景点来补充点级动作标签。然后，以这些点为种子，在与种子一致的情况下，寻找可能包含完整动作实例的最优序列。为了从得到的序列中学习完整性，作者引入了两个新的损失，分别以动作评分和特征相似性来对比动作实例和背景实例。..................
时序动作定位 | BaSNet：弱监督时序动作定位的背景抑制网络（AAAI 2020）
LiRongLu_的博客
06-02 604
关于Background Suppression Network for Weakly-Supervised Temporal Action Localization论文学习 作者引入了一个表示背景的辅助类，这是一个缺失的元素来建模弱监督时间动作定位问题。 作者提出了一种不对称的双分支权重共享架构，通过过滤模块和对比目标来抑制来自背景帧的激活。 作者的BaSNet在最流行的基准测试，THUMOS的14和ActivityNet的实验中优于目前最先进的WTAL方法。............
【论文阅读】弱监督下的时序动作定位
三木今天学习了嘛の博客
10-26 2388
对Adaptive Two-Stream Consensus Network for Weakly-Supervised Temporal Action Localization进行阅读，并了解弱监督时序动作定位的主要任务和挑战，有了一个基本认知。
时序动作定位｜基于背景建模的弱监督动作定位
LiRongLu_的博客
02-20 659
关于Weakly-supervised Action Localization with Background Modeling论文学习
Action Unit Memory Network for Weakly Supervised Temporal Action Localization 笔记
scarlet witcher的博客
06-29 335
这篇文章是提出了一个动作单元记忆网络（AUMN），它的创新点我觉得是非常强的，作者也自己夸自己，说这篇文章是第一次用记忆网络来建模动作单元，网络内部的结构也是围绕动作单元来设计的...
ASM-Loc: 弱监督时序动作定位的动作感知分段建模
139250ASM-Loc:弱监督时序动作定位的动作感知分段建模0Bo He 1 , Xitong Yang 1 , Le Kang 2 , Zhiyu Cheng 2 , Xin Zhou 2 , Abhinav Shrivastava 101 马里兰大学，帕克学院 2 百度研究，...
基于时间特征增强的扩张卷积网络在弱监督时间动作定位中的应用
6028基于时间特征增强的扩张卷积网络的弱监督时间动作定位周健雄，吴颖西北大学网址：jianxiongzhou2026@u.northwestern.edu，yingwu@northwestern.edu摘要弱监督时间动作定位（WTAL）的目的是分类和定位动作实例在...
弱监督时间动作定位中的动作完整性学习
GolfSwingBackgroundActiontimetimeemeGolfSwing136480从点中学习动作完整性以进行弱监督的时间动作定位0Pilhyeon Lee 1 Hyeran Byun 1,2*01 韩国延世大学计算机科学系 2韩国延世大学人工智能研究生院0{ lph...
强监督训练依赖帧级标签，而弱监督时序动作定位使用视频级标签，当前方法存在片段级分类容易出错的问题
poral action localization, or WS-TAL, where cheap video-level tags are utilized as an alternative supervision sig-nal [38,41,50]. Most existing WS-TAL methods [18,25,38,39, 41, 50, 60, 64] follow a ...
时序动作定位:Rethinking the Faster R-CNN Architecture for Temporal Action Localization(TAL-Net)
qq_41590635的博客
11-28 1888
这篇是2018CVPR的文章，论文下载链接: http://cn.arxiv.org/pdf/1804.07667.pdf 1 背景 1.1 Faster R-CNN vs TAL-Net 得益于Faster R-CNN 在目标检测领域的巨大成功，自然想讲Faster R-CNN 应用于视频时序动作检测。思路是直接把anchor、proposals、pooling全变成了对1-D时间维度的处理...
时序动作定位 | I3D(Inflated 3D ConvNet) 与 UNT(UntrimmedNets) 特征模型
LiRongLu_的博客
05-30 3590
I3D(Inflated 3D ConvNet) 与 UNT(UntrimmedNets) 特征模型
时序动作定位 | RSKP:基于代表片段知识传播的弱监督时间动作定位（CVPR 2022）
LiRongLu_的博客
07-14 693
关于论文学习 提出了一个具有代表性的代码片段汇总和传播框架。作者的方法试图挖掘每个视频中的代表性片段，以便在视频片段之间传播信息，以生成更好的伪标签。对于每个视频，以视频内和视频间的方式传播其自身的代表片段和来自存储库的代表片段以更新输入特征。伪标签是由更新特性的时间类激活映射生成的，以纠正主分支的预测。.........
时序动作定位｜分而治之的单帧时序动作定位（ICCV 2021）
LiRongLu_的博客
07-09 623
关于Learning Action Completeness from Points for Weakly-supervised Temporal Action Localiza论文学习单帧时间动作定位(STAL)旨在对每个动作实例只使用一个时间戳注释的未裁剪视频中的动作进行定位。现有方法采用单阶段框架，将计数目标与定位目标相结合。本文提出了一种新的分而治之的两阶段任务框架。实例计数阶段利用位置监督来确定动作实例的数量，并将整个视频分成多个视频剪辑，使每个视频剪辑只包含一个完整的动作实例;位置估......
时序动作定位 | CO2-Net：弱监督时间动作定位的跨模态共识网络（ACM MM 2021）
LiRongLu_的博客
08-24 451
Cross-modal Consensus Network for Weakly Supervised Temporal Action Localization CO2-Net 弱监督时间动作定位的跨模态共识网络 ACM MM 2021
时序动作定位 | 基于不确定性建模的弱监督时序动作定位 （AAAI 2021）
LiRongLu_的博客
10-07 870
Weakly-supervised Temporal Action Localization by Uncertainty Modeling
时序动作定位基本知识
m0_60273616的博客
11-09 2797
对时序结构信息建模的算法：SSN(Structured Segment Network，结构化视频段网络)算法 (Zhao et al., 2020) 对动作不同的阶段 (开始、过程、结束) 进行建模，SSN 不仅会预测候选时序区间内的动作类别，还会预测候选时序区间的完整性，这样做的好处是可以更好地定位动作开始和结束的时刻。基于滑动窗的算法：这类算法的基本思路是预先定义一系列不同时长的滑动窗，之后滑动窗在视频上沿着时间维度进行滑动，并逐一判断每个滑动窗对应的时序区间内具体是什么动作类别。
时序动作定位 | 基于双向语义一致性约束的弱监督时间动作定位（2023 Tnnls）
最新发布
LiRongLu_的博客
05-29 386
弱监督时间动作定位(WTAL)的目的是在训练数据集中只给定视频级别的类别标签的情况下，对视频动作的时间边界进行分类和定位。由于训练过程中缺乏边界信息，现有方法将WTAL定义为一个分类问题，即生成时态类激活图(TCAM)进行定位。但是，如果只有分类损失，模型就会被次优化，即动作相关的场景足以区分不同的类标签。将与动作相关的场景(即与积极动作相同的场景)中的其他动作视为共同场景动作，该次优化模型会将共同场景动作错误地分类为积极动作。为了解决这种错误分类，本文提出了一种简单而有效的方法，即双向语义一致性约束(Bi
时序动作定位｜使用 ‘注意力机制’ 的弱监督时序动作定位顶会论文理解笔记（Weakly-Supervised Temporal Action Localization）
LiRongLu_的博客
06-17 1525
Weakly Supervised Action Localization by Sparse Temporal Pooling Network Weakly-Supervised Action Localization by Generative Attention Modeling A Hybrid Attention Mechanism for Weakly-Supervised Temporal Action Locali
视频动作定位 | 弱监督 时序动作定位 多篇顶会论文概述（包含原文和代码）（1）
LiRongLu_的博客
05-17 1713
弱监督 时序动作定位 多篇论文概述 包含原文和代码 按年份2018-2021 1. Weakly Supervised Action Localization by Sparse Temporal Pooling Network 2. W-TALC: Weakly-supervised Temporal Activity Localization and Classification 3. Weakly-supervised Action Localization with Background .....
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

编程日记✧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值