THUMOS14
PulseAugur coverage of THUMOS14 — every cluster mentioning THUMOS14 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架DeformStruct通过建模动作结构来改进时序定位
研究人员推出DeformStruct，一个旨在利用稀疏点状监督来改进时序动作定位的新颖框架。该方法通过显式建模动作的结构组织来解决现有方法的局限性。DeformStruct通过三个阶段实现此目标：从标注点发现结构锚点，通过可变形匹配将潜在部分与这些锚点对齐，并根据其时序关系组织这些部分。在THUMOS14和ActivityNet-v1.3等基准数据集上的实验表明，在有限标注的情况下，动作实例的定位得到了显著改进。
-
新CoDy框架利用视频编解码器动力学进行无监督动作定位
研究人员推出了一种用于视频无监督时间动作定位的新颖框架CoDy。CoDy利用视频编解码器量化模式中固有的动力学，这些模式已被证明可以保留类别判别信息并突出动作转换。通过将这种编解码器增强的视图与传统的RGB和光流表示相结合，CoDy生成可靠的伪标签和一种与类别无关的边界先验。该方法在THUMOS14和ActivityNet v1.3等基准数据集上展示了最先进的性能，将编解码器信号确立为用于动作识别和定位的有效的无标注先验。
-
SpikeTAD 使用 SNN 实现低功耗视频动作检测
研究人员开发了 SpikeTAD，一种用于视频端到端时序动作检测的新型脉冲神经网络 (SNN) 架构。该方法旨在解决传统人工神经网络的高功耗和模型尺寸大的问题，使其适用于在移动设备和神经形态芯片上部署。SpikeTAD 展现出具有竞争力的性能，在 THUMOS14 上达到 67.2% 的 mAP，在 ActivityNet-1.3 上达到 37.42% 的 mAP，同时保持显著更低的功耗。
-
ConTrans 模型推动零样本视频动作定位
研究人员开发了一个名为 ConTrans 的新模型，以改进视频中的零样本时序动作定位。该模型集成了卷积层和 Transformer 自注意力机制，以更好地捕捉局部帧相关性和长程全局上下文。ConTrans 在 ActivityNet-1.3 和 THUMOS14 数据集上树立了新的基准，在检测未见过动作方面优于现有方法。
-
新的TEGU方法使用文本定位视频中未见过的动作
研究人员开发了一种名为TEGU的新方法，用于视频中的零样本时序动作定位。该方法利用大型语言模型和字幕的文本信息，以提高动作的细粒度区分能力，尤其是在标记训练数据稀缺的情况下。TEGU旨在克服现有视觉和语言模型在区分细微动作差异方面的局限性。在THUMOS14和ActivityNet-v1.3数据集上的实验表明，TEGU的表现优于当前不依赖训练数据最先进的方法。