PulseAugur
中
实时 11:13:04
English(EN) Learning Probabilistic Embeddings for Unsupervised Action Segmentation

新的概率嵌入方法改进了视频中的无监督动作分割

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新的无监督视频时间动作分割方法，采用了概率嵌入。该方法使用高斯分布对帧表示进行建模，允许在伪标签估计之前进行采样，这有助于克服确定性嵌入方法中存在的局部最优问题。所提出的技术在各种数据集上已证明性能可与最先进技术相媲美或超越，与现有基线相比，在MoF和F1分数方面有了显著提高。 AI

影响 这项研究为视频分析提供了一种新颖的方法，有望提高动作识别系统的准确性和鲁棒性。

排序理由 该集群包含一篇详细介绍视频中无监督动作分割新方法的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的概率嵌入方法改进了视频中的无监督动作分割

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Shuai Li, Duc Manh Vu, Juergen Gall ·

    Learning Probabilistic Embeddings for Unsupervised Action Segmentation

    arXiv:2607.05263v1 Announce Type: new Abstract: This paper concerns the problem of unsupervised temporal action segmentation for long, untrimmed videos. Recent successful approaches follow a joint representation learning and clustering paradigm, where optimal transport (OT) is ad…

  2. arXiv cs.CV TIER_1 English(EN) · Juergen Gall ·

    为无监督动作分割学习概率嵌入

    This paper concerns the problem of unsupervised temporal action segmentation for long, untrimmed videos. Recent successful approaches follow a joint representation learning and clustering paradigm, where optimal transport (OT) is adopted to produce pseudo labels for learning fram…

相关实体

相关话题