WACV 2021 论文大盘点-人体动作检测与识别篇

本文总结WACV 2021 中人体动作检测与识别的相关论文，共计 7 篇。

如有遗漏，欢迎补充。

下载包含这些论文的 WACV 2021 所有论文：

『WACV 2021 开幕，更偏重技术应用，附论文下载』

动作检测

We Don't Need Thousand Proposals: Single Shot Actor-Action Detection in Videos

SSA2D 是一种简单且有效的用于视频单样本 Actor-Action 检测方法。作者称在视频中的 actor-action 检测可以不依赖 region proposal network（RPN区域提案网络）来进行，而 RPN 需要上千个提案，因此对于密集的视频场景是有效的。

作者在 A2D 和 VidOR 数据集上对所提出的方法进行了评估，与之前的工作相比，该方法取得了相当（有时甚至更好）的性能。

所提出的模型可以有效地进行训练(快2倍)，与之前表现最好的工作相比，可以用较少的网络参数进行快速推理(输入RGB快11倍，输入RGB+光流快6倍)。

作者 | Aayush J Rana, Yogesh S Rawat

单位 | 中佛罗里达大学

论文 | https://arxiv.org/abs/2011.10927

代码 | https://github.com/aayushjr/ssa2d

SALAD: Self-Assessment Learning for Action Detection

提出一个新的动作检测方法：Self-Assessment Learning for Action Detection（SALAD）。

在两个动作检测基准上的表现都优于最先进的方法。在THUMOS14 数据集上，tIoU@0.5 的 mAP 从 42.8% 提高到 44.6/%，在ActivityNet1.3 数据集上从 50.4% 提高到 51.7/%。对于较低的 tIoU值，在两个数据集上实现了更显著的改进。

作者 | Guillaume Vaudaux-Ruth, Adrien Chan-Hon-Tong, Catherine Achard

单位 | ONERA；巴黎萨克雷大学；索邦大学

论文 | https://arxiv.org/ab