3C-Net: Category Count and Center Loss for Weakly-Supervised Action Localization
创新点:两个loss —— center loss 和 count loss
Completeness Modeling and Context Separation for Weakly Supervised Temporal Action Localization
创新点:环境信息和动作信息的分辨,可以通过 gan 来进行 辨别,主要讲了一个动作相关的帧 相对要糊以及动作伸展要大,然后就建立了一个网络。
Weakly-Supervised Action Localization by Generative Attention Modeling
DGAM模型:通过建模不同注意力为条件的帧级表示 来区分行为和语境 VAE用了
Adversarial Background-Aware Loss for Weakly-supervised Temporal Activity Localization
两个loss 也是改善 context和动作混的
Two-Stream Consensus Network for Weakly-Supervised Temporal Action Localization
阈值改善
知乎博主:
石海超