本文的主要贡献是通过引入一种全新的时序提名评估机制以及高效的特征采样方式,来提升了BSN方法的性能和效率
这篇论文中提出了一种新的时序提名置信度评估机制-边界匹配机制(Boundary-Matching mechanism, BM mechanism),以及基于边界匹配机制的边界匹配网络(Boundary-Matching Network, BMN)。BMN网络能够同时生成与BSN中类似的一维边界概率序列,以及二维的BM置信度图来密集的评估所有可能存在的时序提名的置信度分数。
方法:
3.1 Problem Formulation:
3.2. Feature Encoding.
3.3. Boundary-Matching Mechanism
引入边界匹配(Boundary-Matching)机制为密集分布的proposals生成置信分数。首先,我们将temporal proposal φ表示为其开始边界 和结束边界 的匹配对。如图2所示,BM机制就是为了生成二维的BM置信图 。它是由不同的“开始”和“持续时间”的BM对组成的。图中点 的值表示提名 的置信分数,其中开始边界