本文介绍了小样本学习在动作识别领域的最新研究，包括CMN、TARN、Permutation-invariant Attention等模型，强调了深度信息在缓解小样本标注问题中的作用，并提及了AMeFu-Net和TRX的创新点。这些工作均关注于提高视频分类的准确性，尤其在有限的训练样本情况下。
Few-shot Learning&Action Recognition--论文
- CMN (Compound Memory Networks), ECCV2018
- TARN (Temporal Attentive Relation Network), BMVC2019
- Permutation-invariant Attention, ECCV2020
- Based on Video Contents, WACV2020
- OTAM (Temporal Alignment), CVPR2020
- AMeFu-Net (Depth Guided Adaptive Meta-Fusion Network), ACMMM2020
- TRX (Temporal-Relational CrossTransformers), CVPR2021
- 最新更新: (20210523)
今年开始了解小样本学习应用于动作识别这个领域；也是查阅了很多资料，关于动作识别、小样本学习–image classification、小样本学习–video、小样本学习–action recognition。相关资料很多，方向也各有不同，这里主要整理一下关于动作识别的小样本学习方法。（持续更新，将做两年）
CMN (Compound Memory Networks), ECCV2018
这篇文章应该是近年来，动作识别方面大家比较的最早的一篇文章了。
Compound Memory Networks for Few-Shot Video Classification
TARN (Temporal Attentive Relation Network), BMVC2019
TARN: Temporal Attentive Relation Network for Few-Shot and Zero-Shot Action Recognition
最低0.47元/天 解锁文章
5139
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
