THUMOS-14
PulseAugur coverage of THUMOS-14 — every cluster mentioning THUMOS-14 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新系统使用编解码器运动矢量进行快速在线动作检测
研究人员开发了CodecMotion-OAD，一种用于视频在线动作检测的新颖系统，该系统利用编解码器运动矢量（MVs）代替传统的光流。这种方法通过利用视频解码过程中可用的MVs，大大降低了计算负担，无需单独进行密集的光流计算。虽然在THUMOS'14基准测试上的性能略低于基于光流的方法，但CodecMotion-OAD提供了显著的速度提升，使其成为实时视频分析的更有效解决方案。
-
SV-TAD 框架通过稀疏卷积实现高效时序动作检测
研究人员开发了 SV-TAD，一个利用原生稀疏二维卷积进行时序动作检测的新框架。这项创新使得大型 Vision Transformer 模型能够高效处理剪枝后的 token 集合，显著降低了计算成本和推理时间。SV-TAD 框架在 THUMOS-14 和 ActivityNet-1.3 等基准测试中展示了最先进的准确性，同时与以前的方法相比，推理速度更快，计算需求也更低。
-
新研究通过时序一致性和文本对齐增强视频动作定位
两篇新研究论文探讨了点监督时间动作定位的进展，这是一种使用最少帧标注来识别视频中动作的方法。第一篇论文引入了一个多任务学习框架，旨在利用诸如动作完成和动作顺序理解等自监督任务来增强模型对动作内时序关系的理解。第二篇论文提出了一种文本精炼与对齐（TRA）框架，该框架将文本描述与视觉特征相结合，并采用文本精炼和多模态对齐模块来提高定位精度。
-
新MGCA-Net推进视频中开放词汇量动作定位
研究人员推出MGCA-Net，一种专为开放词汇量时间动作定位（OV-TAL）设计的新型网络。该方法旨在识别和精确定位视频中的动作，涵盖所有类别，即使是那些未经过显式训练的类别。MGCA-Net采用多粒度策略，利用一个定位器、一个动作存在预测器以及在不同粒度（片段、视频和候选片段级别）上运行的分类器，以提高已知和新颖动作类别的准确性。在THUMOS'14和ActivityNet-1.3等标准基准上的评估表明，MGCA-Net在零样本时间…
-
LiquidTAD论文介绍高效、硬件无关的时序动作检测
研究人员推出了一种新颖的框架 LiquidTAD，用于视频中高效的时序动作检测。该方法将液态神经动力学提炼成并行时序算子，避免了复杂的 ODE 求解器，并实现了硬件无关的部署。与现有方法相比，LiquidTAD 在 THUMOS-14 和 ActivityNet-1.3 等基准数据集上实现了具有竞争力的准确性，同时显著减少了参数数量和计算开销。