时序动作定位 | 弱监督时间动作定位与动作引导的假阳性抑制

<Weakly supervised temporal action localization with actionness-guided false positive suppression> 

一、摘要 

        弱监督时序动作定位的目的是利用视频级标签定位未修剪视频中动作实例的时间边界，并为其分配相应的动作类别。一般来说，它是通过一个称为“分类定位”的管道来解决的，该管道通过对视频片段进行分类来找到动作实例。然而，由于该方法优化的是视频级分类目标，生成的激活序列往往会受到与类别相关场景的干扰，导致预测结果出现大量假阳性。许多现有的作品将背景作为一个独立的类别，迫使模型学习区分背景片段。然而，在弱监督条件下，背景信息是模糊和不确定的，使得该方法非常困难。

        为了减轻假阳性的影响，提出了一个新的行动导向的假阳性抑制框架。试图在不引入背景类别的情况下抑制假阳性背景。

        首先，提出了一个自我训练的行动性分支来学习与类别无关的行动性，该分支可以通过忽略视频标签来最小化与类别相关的场景信息的干扰。

        其次，提出了一个假阳性抑制模块来挖掘和抑制假阳性片段。

        最后，引入了前景增强模块，该模块利用注意机制和类别不可知的行为性来指导模型学习前景。

代码: https://github.com/lizhilin-ustc/AFPS