VidParse

VidParse框架使用图约束推理进行第一人称视角视频分析

研究人员开发了VidParse，一个新颖的框架，通过将活动识别视为一个图约束推理问题来理解第一人称视角视频。这种无需训练的方法使用时间相似性矩阵和束搜索解码器来动态识别语义转换，该解码器基于程序任务图强制执行有效的动作序列。与现有的在线方法相比，VidParse在解析复杂、多步骤程序方面的准确性显著提高了10倍，而无需任何梯度更新。